pytorch tensorflow模型转换为onnx模型

### 将 PyTorch 和 TensorFlow 模型转换为 ONNX 格式 #### 转换 PyTorch 模型到 ONNX 为了将 PyTorch 模型导出为 ONNX 文件,通常会使用 `torch.onnx.export` 函数。此函数接受一个预训练好的 PyTorch 模型实例以及一些输入张量作为参数,并生成对应的 ONNX 表达形式。 ```python import torch from model import MyModel # 假设这是自定义的模型类 model = MyModel() dummy_input = torch.randn(1, 3, 224, 224) # 创建虚拟输入数据用于推断形状 output_onnx = 'mymodel.onnx' torch.onnx.export(model, dummy_input, output_onnx, opset_version=10) ``` 这段代码展示了如何通过给定的具体尺寸创建模拟输入并调用 `export()` 方法保存成 `.onnx` 文件[^1]。 #### 转换 TensorFlow 模型到 ONNX 对于 TensorFlow 模型来说,可以借助于 `tf2onnx.convert` 工具来进行转换操作。该过程涉及加载已有的 SavedModel 或者 Keras HDF5 格式的模型文件,接着指定输出路径和其他必要的配置选项完成转化工作。 ```python import tf2onnx import tensorflow as tf # 加载TensorFlow/Keras模型 keras_model = tf.keras.models.load_model('path_to_keras_model') # 定义输入规格 spec = (tf.TensorSpec((None, 28, 28, 1), tf.float32, name="input"),) # 执行转换命令 result = tf2onnx.convert.from_keras(keras_model, input_signature=[spec], opset=13, output_path="converted_model.onnx") ``` 上述脚本说明了怎样利用 Python API 方便快捷地把 TensorFlow 的模型转变为兼容性强的 ONNX 版本[^2]。

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

Python_YOLOv5在PyTorch ONNX CoreML TFLite.zip

Python_YOLOv5在PyTorch ONNX CoreML TFLite.zip

将PyTorch模型转换为ONNX格式,可以使得其他不支持PyTorch的平台(如C++、Java等)也能运行YOLOv5模型。ONNX转换有助于跨平台部署和模型推理优化。3.

pytorch深度学习python pycharm的语义分割unet算法,onnx模型

pytorch深度学习python pycharm的语义分割unet算法,onnx模型

将PyTorch模型转换为ONNX格式,可以方便地在其他平台或框架中部署,例如Caffe2、TensorFlow等。ONNX有助于模型的跨平台运行和优化,提高模型的广泛应用性。6.

Python图书管理系统(源码可运行)课程设计:tkinter+MySQL,含论文+答辩PPT+部署文档
Python+MySQL图书管理系统:tkinter桌面应用,源码+论文+答辩PPT+数据库脚

Python图书管理系统(源码可运行)课程设计:tkinter+MySQL,含论文+答辩PPT+部署文档 Python+MySQL图书管理系统:tkinter桌面应用,源码+论文+答辩PPT+数据库脚

【内容概要】 基于Python+tkinter+MySQL/SQLite双适配的图书管理系统完整成品。包含完整可运行源码、MySQL建库脚本、约12000字毕业论文模板、18页答辩PPT模板(含话术锚点)、详细部署文档及5张运行截图。 【适用人群】 需要完成Python课程设计、毕业设计的大学生,以及想学习Python GUI开发的初学者。 【使用场景及目标】 适用于高校课设/毕设提交、项目实战练习。系统具备仪表盘统计、图书/读者管理、借书/还书/续借(防超借)、逾期自动标红提醒等功能。支持无MySQL环境自动降级SQLite,双击即可运行。 【其他说明】 代码经过21项断言测试全通过,0报错。提供基础运行指导。

PyTorch模型转换TensorFlowjs的完整流程工具链_包含PyTorch模型加载_ONNX格式转换_TensorFlow格式转换_TensorFlowjs格式转换_双.zip

PyTorch模型转换TensorFlowjs的完整流程工具链_包含PyTorch模型加载_ONNX格式转换_TensorFlow格式转换_TensorFlowjs格式转换_双.zip

本文档提供了从PyTorch模型转换到TensorFlowjs模型的完整流程工具链,涵盖了PyTorch模型的加载、ONNX格式的转换、TensorFlow格式的转换以及最终的TensorFlowjs格式转换的详细步骤

深度学习模型转换工具X2Paddle_支持Caffe_TensorFlow_ONNX_PyTorch四大主流框架的预测模型转换和PyTorch训练代码迁移_提供详细的API对比文档.zip

深度学习模型转换工具X2Paddle_支持Caffe_TensorFlow_ONNX_PyTorch四大主流框架的预测模型转换和PyTorch训练代码迁移_提供详细的API对比文档.zip

深度学习模型转换工具X2Paddle是针对深度学习模型互操作性问题提出的一个解决方案,它支持将Caffe、TensorFlow、ONNX以及PyTorch这四大主流框架的预测模型进行相互转换,并且能够实现

PyTorch, TensorFlow, TensorFlow.js, ONNX, CoreML中的鲁棒视频抠图!.zip

PyTorch, TensorFlow, TensorFlow.js, ONNX, CoreML中的鲁棒视频抠图!.zip

它可以将PyTorch或TensorFlow模型相互转换,提供了一种模型交换和互操作性的解决方案。

tfcheckpoint2pytorch:将TensorFlow检查点(带有索引,元和数据文件)转换为PyTorch,HDF5和JSON

tfcheckpoint2pytorch:将TensorFlow检查点(带有索引,元和数据文件)转换为PyTorch,HDF5和JSON

本博客介绍了一款命令行工具,它能够将TensorFlow的检查点文件转换成JSON、HDF5、NumPy文件或PyTorch模型。同时,该工具支持将TensorFlow模型导出为ONNX格式,并可选生

pytorch-to-tflite-example:将在PyTorch中定义和预训练的MobileNetV3Small转换为TFLite量化模型

pytorch-to-tflite-example:将在PyTorch中定义和预训练的MobileNetV3Small转换为TFLite量化模型

本文介绍了一个完整的模型转换流程,包括将PyTorch模型转换为ONNX格式,再进一步转换为TensorFlow的SavedModel和TFLite模型。详细说明了图像加载、预处理步骤,并通过比较Py

MMdnn:MMdnn是一组工具,可帮助用户在不同的深度学习框架之间进行互操作。 例如模型转换和可视化。 在Caffe,Keras,MXNet,Tensorflow,CNTK,PyTorch Onnx和CoreML之间转换模型

MMdnn:MMdnn是一组工具,可帮助用户在不同的深度学习框架之间进行互操作。 例如模型转换和可视化。 在Caffe,Keras,MXNet,Tensorflow,CNTK,PyTorch Onnx和CoreML之间转换模型

MMdnn MMdnn是一个综合的跨框架工具,用于转换,可视化和诊断深度学习(DL)模型。 “ MM”代表模型管理,“ dnn”代表深度神经网络。 主要功能包括:我们实现了一个通用转换器,可以在框架之

将tf.kerasKeras模型转换为ONNX-源码.zip

将tf.kerasKeras模型转换为ONNX-源码.zip

模型文件,可以被其他支持ONNX的框架如PyTorch或ONNX Runtime所使用。

不同的深度学习框架下训练好的模型保存的格式不同,对于模型的改进和部署记录本人在模型转换过程中的一些记录.zip

不同的深度学习框架下训练好的模型保存的格式不同,对于模型的改进和部署记录本人在模型转换过程中的一些记录.zip

ONNX允许将一个框架的模型转换为统一的格式,便于在不同框架间迁移。TensorRT则专注于模型的部署优化,可以提高推理速度。

pytorch yolov8的检测pt模型转onnx

pytorch yolov8的检测pt模型转onnx

PyTorch 提供了实现这些模型的灵活性,而 ONNX 则可以将训练好的模型导出,使其能够在其他支持 ONNX 的框架(如 Caffe2、TensorFlow、MXNet 等)中运行。

pytorch、张量流和onnx中的Yolo v_Yolo v4 in pytorch, tensorflow and

pytorch、张量流和onnx中的Yolo v_Yolo v4 in pytorch, tensorflow and

在ONNX版本中,YoloV4的实现会被转换为ONNX规范定义的模型格式,这样YoloV4模型就可以在支持ONNX的推理引擎上运行,例如Microsoft Cognitive Toolkit(CNTK)

image-classification-pytorch-onnx:图像分类-pytorch-onnx转换

image-classification-pytorch-onnx:图像分类-pytorch-onnx转换

将PyTorch模型转换为ONNX格式,可以使得模型能在其他支持ONNX的框架(如TensorFlow、Caffe2等)中运行,或者在优化工具(如ONNX Runtime)中提高推理效率。

Pytorch模型转onnx模型[源码]

Pytorch模型转onnx模型[源码]

ONNX为深度学习模型的交换提供了一个统一的格式,它目前支持多种深度学习框架,包括Pytorch、TensorFlow、Caffe2、Microsoft Cognitive Toolkit(CNTK)、

onnx-tensorflow-1.6.0.zip

onnx-tensorflow-1.6.0.zip

ONNX是一个开源的平台,它允许不同框架之间的模型互操作性,这意味着训练在TensorFlow上的模型可以被转换成ONNX格式,并在支持ONNX的其他框架(如PyTorch、Caffe2等)中运行,从而提高了模型部署的灵活性和效率

yolov5转化成onnx的模型和 NCNN模型

yolov5转化成onnx的模型和 NCNN模型

ONNX(Open Neural Network Exchange)是一个开放的模型交换格式,允许AI模型在不同的框架之间无缝迁移,如PyTorch、TensorFlow等。

yolov7-tiny.weigths转onnx模型

yolov7-tiny.weigths转onnx模型

ONNX是一种开放的模型交换格式,支持多个框架之间的模型互操作,如PyTorch、TensorFlow等,便于模型部署和跨平台使用。

opendenoising-benchmark:评估图像去噪算法的开源基准

opendenoising-benchmark:评估图像去噪算法的开源基准

本文档详细列出了项目所依赖的Python库及其版本信息,涵盖了深度学习框架TensorFlow和PyTorch,模型转换工具Keras2ONNX和ONNX-TF,以及数据处理和可视化库NumPy、Pa

volksdep:volksdep是一个开源工具箱,可通过TensorRT部署和加速PyTorch,ONNX和TensorFlow模型

volksdep:volksdep是一个开源工具箱,可通过TensorRT部署和加速PyTorch,ONNX和TensorFlow模型

介绍volksdep是一个开源工具箱,用于通过TensorRT部署和加速PyTorch,ONNX和TensorFlow模型。特征自动转换和加速volksdep可以使用TensorRT并仅需少量代码即可

最新推荐最新推荐

recommend-type

Qwen3-ASR-0.6B语音识别指南[源码]

本文详细介绍了阿里云通义千问团队推出的轻量级开源语音识别模型Qwen3-ASR-0.6B的使用指南。该模型通过预置的Web界面实现了真正的零代码操作,用户无需安装Python依赖或配置CUDA版本,只需上传音频、点击识别、复制结果即可完成专业级语音转写。文章从模型的三大优势(开箱即用的Web界面、无需专业知识的判断标准、轻量但高效的工程优化)入手,逐步演示了从访问页面到获取结果的全流程,并通过5类典型音频场景的实测数据验证了其在实际应用中的可靠性。此外,还提供了提升识别效果的进阶技巧和常见问题的解决方案,帮助用户最大化利用这一工具。Qwen3-ASR-0.6B特别适合产品经理、内容编辑、教育工作者等非技术人员快速实现语音转文字需求,其私有化部署方案也为中小企业提供了经济高效的替代方案。
recommend-type

学生成绩管理系统C++课程设计与实践

资源摘要信息:"学生成绩信息管理系统-C++(1).doc" 1. 系统需求分析与设计 在进行学生成绩信息管理系统开发前,首先需要进行系统需求分析,这是确定系统开发目标与范围的过程。需求分析应包括数据需求和功能需求两个方面。 - 数据需求分析: - 学生成绩信息:需要收集学生的姓名、学号、课程成绩等数据。 - 数据类型和长度:明确每个数据项的数据类型(如字符串、整型等)和长度,例如学号可能是字符串类型且长度为一定值。 - 描述:详细描述每个数据项的意义,以确保系统能够准确处理。 - 功能需求分析: - 列出功能列表:用户界面应提供清晰的操作指引,列出所有可用功能。 - 查询学生成绩:系统应能通过学号或姓名查询学生的成绩信息。 - 增加学生成绩信息:允许用户添加未保存的学生成绩信息。 - 删除学生成绩信息:能够通过学号或姓名删除已经保存的成绩信息。 - 修改学生成绩信息:通过学号或姓名修改已有的成绩记录。 - 退出程序:提供安全退出程序的选项,并确保所有修改都已保存。 2. 系统设计 系统设计阶段主要完成内存数据结构设计、数据文件设计、代码设计、输入输出设计、用户界面设计和处理过程设计。 - 内存数据结构设计: - 使用链表结构组织内存中的数据,便于动态增删查改操作。 - 数据文件设计: - 选择文本文件存储数据,便于查看和编辑。 - 代码设计: - 根据功能需求,编写相应的函数和模块。 - 输入输出设计: - 设计简洁明了的输入输出提示信息和操作流程。 - 用户界面设计: - 用户界面应为字符界面,方便在命令行环境下使用。 - 处理过程设计: - 设计数据处理流程,确保每个操作都有明确的处理逻辑。 3. 系统实现与测试 实现阶段需要根据设计阶段的成果编写程序代码,并进行系统测试。 - 程序编写: - 完成系统设计中所有功能的程序代码编写。 - 系统测试: - 设计测试用例,通过测试用例上机测试系统。 - 记录测试方法和测试结果,确保系统稳定可靠。 4. 设计报告撰写 最后,根据系统开发的各个阶段,撰写详细的设计报告。 - 系统描述:包括问题说明、数据需求和功能需求。 - 系统设计:详细记录内存数据结构设计、数据文件设计、代码设计、输入/输出设计、用户界面设计、处理过程设计。 - 系统测试:包括测试用例描述、测试方法和测试结果。 - 设计特点、不足、收获和体会:反思整个开发过程,总结经验和教训。 时间安排: - 第19周(7月12日至7月16日)完成项目。 - 7月9日8:00到计算机学院实验中心(三楼)提交程序和课程设计报告。 指导教师和系主任(或责任教师)需要在文档上签名确认。 系统需求分析: - 使用表格记录系统需求分析的结果,包括数据项、数据类型、数据长度和描述。 - 分析数据项如学生成绩信息、状态器、链表节点等,确定其属性和行为。 以上就是文档中提到的学生成绩信息管理系统开发的关键知识点。开发此类系统需要熟练掌握C++编程基础,了解面向对象的程序设计思想,以及熟悉文件操作和链表等数据结构的应用。此外,良好的软件开发流程意识、测试意识和文档撰写能力也是必不可少的。
recommend-type

别再手动拖拽了!用Lumerical脚本批量创建FDTD仿真结构(附完整代码)

# 告别低效建模:Lumerical脚本自动化实战指南 在光子学仿真领域,时间就是科研生命线。当同行还在GUI界面里反复点击菜单时,你已经用脚本批量生成了20组参数化结构——这不是未来场景,而是每位FDTD用户都应该掌握的基础生产力革命。本文将彻底改变你与Lumerical的交互方式,从手动拖拽的农耕时代,跃迁到自动化建模的工业文明。 ## 1. 为何脚本建模是必然选择 2019年Nature Photonics的一项研究显示,科研工作者在仿真工具上平均浪费37%的时间在重复性操作上。对于需要参数扫描的纳米光学结构设计,这个数字可能更高。手动创建10个不同尺寸的纳米柱阵列意味着: -
recommend-type

Java邮件解析任务中,如何安全高效地提取HTML邮件内容并避免硬编码、资源泄漏和类型转换异常?

<think>我们被要求优化一段Java代码,该代码用于处理邮件(特别是来自特定发件人的构建通知邮件)。代码的主要问题包括: 1. 重复获取邮件内容:在检查MIME类型后,多次调用`msg[i].getContent()`,这可能导致性能问题或流关闭异常。 2. 类型转换问题:直接将邮件内容转换为`Multipart`而不进行类型检查,可能引发`ClassCastException`。 3. 代码结构问题:逻辑嵌套过深,可读性差,且存在重复代码(如插入邮件详情的操作在两个地方都有)。 4. 硬编码和魔法值:例如在解析HTML表格时使用了硬编码的索引(如list3.get(10)),这容易因邮件
recommend-type

RH公司应收账款管理优化策略研究

资源摘要信息:"本文针对RH公司的应收账款管理问题进行了深入研究,并提出了改进策略。文章首先分析了应收账款在企业管理中的重要性,指出其对于提高企业竞争力、扩大销售和充分利用生产能力的作用。然后,以RH公司为例,探讨了公司应收账款管理的现状,并识别出合同管理、客户信用调查等方面的不足。在此基础上,文章提出了一系列改善措施,包括完善信用政策、改进业务流程、加强信用调查和提高账款回收力度。特别强调了建立专门的应收账款回收部门和流程的重要性,并建议在实际应用过程中进行持续优化。同时,文章也意识到企业面临复杂多变的内外部环境,因此提出的策略需要根据具体情况调整和优化。 针对财务管理领域的专业学生和从业者,本文提供了一个关于应收账款管理问题的案例研究,具有实际指导意义。文章还探讨了信用管理和征信体系在应收账款管理中的作用,强调了它们对于提升企业信用风险控制和市场竞争能力的重要性。通过对比国内外企业在应收账款管理上的差异,文章总结了适合中国企业实际环境的应收账款管理方法和策略。" 根据提供的文件内容,以下是详细的知识点: 1. 应收账款管理的重要性:应收账款作为企业的一项重要资产,其有效管理关系到企业的现金流、财务健康以及市场竞争力。不良的应收账款管理会导致资金链断裂、坏账损失增加等问题,严重影响企业的正常运营和长远发展。 2. 应收账款的信用风险:在信用交易日益频繁的商业环境中,企业必须对客户信用进行评估,以便采取合理的信用政策,降低信用风险。 3. 合同管理的薄弱环节:合同是应收账款管理的法律基础,严格的合同管理能够保障企业权益,减少因合同问题导致的应收账款风险。 4. 客户信用调查:了解客户的信用状况对于预测和控制应收账款风险至关重要。企业需要建立有效的客户信用调查机制,识别和筛选信用良好的客户。 5. 应收账款回收策略:企业应建立有效的账款回收机制,包括定期的账款跟进、逾期账款的催收等。同时,建立专门的应收账款回收部门可以提升回收效率。 6. 应收账款管理流程优化:通过改进企业内部管理流程,如简化审批流程、提高工作效率等措施,能够提升应收账款的管理效率。 7. 应收账款管理策略的调整和优化:由于企业的内外部环境复杂多变,因此制定的管理策略需要根据实际情况进行动态调整和持续优化。 8. 信用管理和征信体系的作用:建立和完善企业内部信用管理体系和征信体系,有助于企业更好地控制信用风险,并在市场竞争中占据有利地位。 9. 对比国内外应收账款管理实践:通过研究国内外企业在应收账款管理上的不同做法和经验,可以借鉴先进的管理理念和方法,提升国内企业的应收账款管理水平。 综上所述,本文深入探讨了应收账款管理的多个方面,为RH公司乃至其他同类型企业提供了应收账款管理的改进方向和策略,对于财务管理专业的教育和实践都具有重要的参考价值。
recommend-type

新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构

# 新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构 第一次拿到BingPi-M2开发板时,面对Tina Linux SDK里密密麻麻的文件夹,我完全不知道从哪下手。就像走进一个陌生的大仓库,每个货架上都堆满了工具和零件,却找不到操作手册。这种困惑持续了整整两天,直到我意识到——理解目录结构比死记硬背每个文件更重要。 ## 1. 为什么SDK目录结构如此重要 想象你正在组装一台复杂的模型飞机。如果所有零件都混在一个箱子里,你需要花大量时间寻找每个螺丝和面板。但如果有分门别类的隔层,标注着"机身部件"、"电子设备"、"紧固件",组装效率会成倍提升。Ti
recommend-type

Java线程池运行时状态怎么实时掌握?有哪些靠谱的监控手段?

<think>我们之前已经讨论过Java线程池监控的多种方法,包括使用第三方工具和自定义监控。现在用户再次询问Java线程池监控方法,我们需要根据引用内容以及之前讨论的内容进行总结和扩展。 引用[1]提到使用JDK自带的监控工具,引用[2]提到了三种常用的线程池创建方式,引用[3]给出了通过ThreadPoolExecutor获取线程池状态的方法。 结合之前回答的内容,我们可以将监控方法分为以下几类: 1. 使用JDK自带工具(如jconsole, jvisualvm)进行监控。 2. 通过编程方式获取线程池状态(如引用[3]所示)。 3. 扩展ThreadPoolExecutor,
recommend-type

桌面工具软件项目效益评估及市场预测分析

资源摘要信息:"桌面工具软件项目效益评估报告" 1. 市场预测 在进行桌面工具软件项目的效益评估时,首先需要对市场进行深入的预测和分析,以便掌握项目在市场上的潜在表现和风险。报告中提到了两部分市场预测的内容: (一) 行业发展概况 行业发展概况涉及对当前桌面工具软件市场的整体评价,包括市场规模、市场增长率、主要技术发展趋势、用户偏好变化、行业标准与规范、主要竞争者等关键信息的分析。通过这些信息,我们可以评估该软件项目是否符合行业发展趋势,以及是否能满足市场需求。 (二) 影响行业发展主要因素 了解影响行业发展的主要因素可以帮助项目团队识别市场机会与风险。这些因素可能包括宏观经济环境、技术进步、法律法规变动、行业监管政策、用户需求变化、替代产品的发展、以及竞争环境的变化等。对这些因素的细致分析对于制定有效的项目策略至关重要。 2. 桌面工具软件项目概论 在进行效益评估时,项目概论部分提供了对整个软件项目的基本信息,这是评估项目可行性和预期效益的基础。 (一) 桌面工具软件项目名称及投资人 明确项目名称是评估效益的第一步,它有助于区分市场上的其他类似产品和服务。同时,了解投资人的信息能够帮助我们评估项目的资金支持力度、投资人的经验与行业影响力,这些因素都能间接影响项目的成功率。 (二) 编制原则 编制原则描述了报告所遵循的基本原则,可能包括客观性、公正性、数据的准确性和分析的深度。这些原则保证了报告的有效性和可信度,同时也为项目团队提供了评估标准。基于这些原则,项目团队可以确保评估报告的每个部分都建立在可靠的数据和深入分析的基础上。 报告的其他部分可能还包括桌面工具软件的具体功能分析、技术架构描述、市场定位、用户群体分析、商业模式、项目预算与财务预测、风险分析、以及项目进度规划等内容。这些内容的分析对于评估项目的整体效益和潜在回报至关重要。 通过对以上内容的深入分析,项目负责人和投资者可以更好地理解项目的市场前景、技术可行性、财务潜力和潜在风险。最终,这些分析结果将为决策提供重要依据,帮助项目团队和投资者进行科学合理的决策,以期达到良好的项目效益。
recommend-type

告别遮挡!UniApp中WebView与原生导航栏的和谐共处方案(附完整可运行代码)

# UniApp中WebView与原生导航栏的深度协同方案 在混合应用开发领域,WebView与原生组件的和谐共处一直是开发者面临的经典挑战。当H5的灵活遇上原生的稳定,如何在UniApp框架下实现两者的无缝衔接?这不仅关乎视觉体验的统一,更影响着用户交互的流畅度。让我们从架构层面剖析这个问题,探索一套系统性的解决方案。 ## 1. 理解UniApp页面层级结构 任何有效的布局解决方案都必须建立在对框架底层结构的清晰认知上。UniApp的页面渲染并非简单的"HTML+CSS"模式,而是通过原生容器与WebView的协同工作实现的复合体系。 典型的UniApp页面包含以下几个关键层级:
recommend-type

OSPF是怎么在企业网里自动找最优路径并分区域管理的?

### OSPF 协议概述 开放最短路径优先 (Open Shortest Path First, OSPF) 是一种内部网关协议 (IGP),用于在单一自治系统 (AS) 内部路由数据包。它基于链路状态算法,能够动态计算最佳路径并适应网络拓扑的变化[^1]。 OSPF 的主要特点包括支持可变长度子网掩码 (VLSM) 和无类域间路由 (CIDR),以及通过区域划分来减少路由器内存占用和 CPU 使用率。这些特性使得 OSPF 成为大型企业网络的理想选择[^2]。 ### OSPF 配置示例 以下是 Cisco 路由器上配置基本 OSPF 的示例: ```cisco-ios rout