我想将SLANET表格识别模型导出成静态模型

[Tyx-main]

我想将SLANET表格识别模型导出成静态模型，采用的网络结构是TableAttentionHead，以下是我的导出代码：

  import onnx
    # 实例化模型
    model = TableAttentionHead(
        in_channels=[3],  
        hidden_size=256,         
        out_channels=30,         
    )
    
    # 指定输入
    input_spec = [paddle.static.InputSpec(shape=[1, 3, 488, 488], dtype='float32')]
    
    # 将模型转换为静态图
    model = paddle.jit.to_static(model, input_spec=input_spec)
    # 保存为静态图模型
    paddle.jit.save(model, "static_model")

导出模型后发现只导出了static_model.json和static_model.pdiparams，并没有看到pdmodel，请问是我哪里操作不对吗？

[Tyx-main]

实例化完整的 SLANet 模型

model = SLANet(config, **kwargs)

可以提供一个config的参考值吗

[GreatV]

json格式是新IR格式，如果想得到旧的pdmodel可以 export FLAGS_enable_pir_api=0，后重新导一遍。

[Tyx-main]

我尝试按照你说的使用from ppocr.modeling.architectures import SLANet 导出一个表格模型
但是有报错，似乎是没有找到SLANet的网络结构：
Traceback (most recent call last):
File "/app/test/test_transfer_onnx.py", line 535, in
main()
File "/app/test/test_transfer_onnx.py", line 497, in main
from PaddleOCR.ppocr.modeling.architectures import SLANet
ImportError: cannot import name 'SLANet' from 'PaddleOCR.ppocr.modeling.architectures' (/app/PaddleOCR/ppocr/modeling/architectures/init.py)

以下是我的代码：
import onnx
from PaddleOCR.ppocr.modeling.architectures import SLANet
model = SLANet()
# 指定输入
input_spec = [paddle.static.InputSpec(shape=[1, 3, 488, 488], dtype='float32')]

# 转换为静态图
model = paddle.jit.to_static(model, input_spec=input_spec)

# 保存为静态图模型
paddle.jit.save(model, "static_model", combine_params=True)

[GreatV]

之前是机器人回复的，不一定正确，请按照第二次回复的尝试。