如图是netron(github链接)软件中打开的onnx模型，可以看到右边模型的最终输出结果是分类值predict_0而非概率值，那么如何获取中间过程的概率值，或者说怎么把右边的图砍掉一截变成左边的图呢？
读入模型
import onnx
onnx_model = onnx.load("xxx.onnx")
graph = onnx_model.graph
首先以图的形式读入你的模型，图一般包括node（节点），initializer（初始化），input（输入），output（输出）四部分，全部打印出来的话非常长，在这里我们主要涉及到删除节点和修改输出两部分。
查看output
打印output，发现其中的主要信息为name和elem_type两部分。
使用netron选中上一层节点即identity，查看详细信息。
可以看到上一层节点的输出名即为output的输出名，这两个需要保持一致。
同时elem_type=7，表示输出类型为int64（参照我上一篇文章），这个也需要和上一层节点输出的类型保持一致。
删除node节点
nodes = graph.node
for i in range(len(nodes)):
print(i,nodes[i])
由于是修改输出，我们只关心最后的几个节点。
argmax函数不用说了，是经典转化为0,1输出的函数，那么要取概率值肯定在argmax之前，mul是相乘，乘什么我们需要用netron打开模型查看mul节点如下：
乘0,1矩阵，应该是要转为2列方便进行后续处理，那么我们只要取A的值，也就是上一层节点输出的"add_result_0"就行了。
也就是说，删除序号为261,262,263,264的节点：
graph.node.remove(nodes[264])
graph.node.remove(nodes[263])
graph.node.remove(nodes[262])
graph.node.remove(nodes[261])
倒着顺序删除，再次打印节点：
完成删除。
修改output
graph.output[0].name = 'add_result_0'
graph.output[0].type.tensor_type.elem_type = 1
由于add_result_0输出的值为float32，因此需要在output中修改elem_type为对应的数据类型，1为float32，更多类型查看我上一篇文章。
结果比较
onnx.save(onnx_model, 'modify_xxx.onnx')
先保存模型，再调用onnx runtime进行模型调用：
import onnxruntime as rt
sess = rt.InferenceSession("modify_xxx.onnx")
onnx_pred = sess.run() #具体里面填什么根据你的模型填，此处为伪代码
和未修改之前的模型比较：
发现修改后的模型概率值大于0的都被分类成了1，小于0的都被分类成了0，表示我们这次修改取得了成功。