add test and onnx_export interface

Author: wanglichun

docs/python/test.mdx

@@ -104,6 +104,48 @@ test_from_raw_file(forward_function, os.path.join("assets/norm_jpg/"),
 </details>
 
 
+### torchpipe.utils.test.throughout
+```python
+def throughout(model_path, precision, post=None,input_data=None, calibrate_dir="calibrate_dir")
+```
+> 给定模型文件路径[onnx or tensorrt]，测试该模型在torchpipe吞吐，默认配置max=4，instance=2
+
+:::tip 参数
+- **model_path** - 测试模型的路径，支持onnx和tensorrt模型，onnx模型需后缀名为.onnx，测试时会自动转为tensorrt模型，tensorrt模型需要后缀名为.trt
+- **precision** - 支持fp32、fp16、int8(**还在优化中**)
+- **post** - 模型需要的postprocessor算子，这在检测中比较常用。
+- **input_data** 设置输入测试数据，torch.tensor类型，如果不设置，会根据模型自动读取输入尺寸，并将输入设置为torch.randn(shape)
+- **calibrate_dir** 指向int8量化时calibrate的数据路径，存放数据需为torch.save类型
+
+:::
+
+
+
+<details><summary>示例</summary>
+
+```python
+import torchpipe
+import torch
+import os
+
+## test throughout
+onnx_path = os.path.join("/tmp", f"resnet50.onnx")
+input_data = torch.randn(1, 3, 224, 224).cuda()
+precision = "fp16"
+torchpipe.utils.test.throughout(onnx_path, precision, post=None, input_data=input_data)
+```
+
+<details><summary>calibrate_dir存放的calibrate文件示例</summary>
+
+```python
+
+data = cv2.imread("../static/dog_result.jpg")
+data=preprocess_image(data)
+import random
+torch.save(torch.from_numpy(data),os.path.join(calibrate_dir, f"cache_{random.random()}.pt"))
+
+```
+
 
 ### *torchpipe.utils.test.test_functions*
 ```python

docs/tools/onnx_export.mdx

@@ -0,0 +1,48 @@
+---
+id: onnx_export
+title: 导出onnx模型
+type: explainer
+---
+
+torchpipe封装的PyTorch模型转为ONNX模型接口。
+
+:::caution 验证阶段
+- onnx_export API暂不稳定。需要收集更多意见。
+- 转换后，建议验证与转换前原模型的输出是否一致。
+
+###  torchpipe.utils.onnx_export
+```python
+def onnx_export(model: Union[torch.nn.Module, torch.jit.ScriptModule, torch.jit.ScriptFunction], onnx_path, input = None, opset = 17, simplify=True):
+```
+> 给定模型PyTorch模型，将该模型转换为ONNX模型，默认采用opset=17
+
+:::tip 参数
+- **model** - PyTorch模型。
+- **onnx_path** - ONNX模型保存路径。
+- **input** - 模型输入，如果不设置默认为torch.randn(1,3,224,224)。
+- **opset** ONNX的opset。
+- **simplify** 是否调用simplify库进行onnx的模型简化。[simplify库连接：https://github.com/daquexian/onnx-simplifier](https://github.com/daquexian/onnx-simplifier)
+
+:::
+
+
+
+<details><summary>示例</summary>
+
+```python
+import os
+from torchvision import models
+import torch
+import torchpipe
+
+## export onnx
+m = models.resnet50(weights=None).eval()
+onnx_path = os.path.join("/tmp", f"resnet50.onnx")
+input = torch.randn(1, 3, 224, 224)
+torchpipe.utils.onnx_export(m, onnx_path, input, opset=17, simplify=True)
+
+```
+
+
+
+