解决这个问题，最简单的当然是升级pytorch和onnx到比较高的版本，例如有人验证过的组合: pytorch=2.1.1+cu118, onnxruntime=1.16.3
但是因为你的模型或cuda环境等约束，不能安装这么高的版本的pytorch和onnx组合时(例如我的环境是pytorch1.12，onnxruntime=1.19.2，即使onnxruntime版本比较高但是Pytorch的版本底也照样报这个错: tan2 to ONNX opset version 16 is not supported)，那就只能考虑自己基于torch.atan()实现torch.atan2()的功能了。
torch.atan()因为不能区分坐标落在哪个像限，如果直接用来计算物体的朝向角的话，因为可能这个缺陷导致计算出来的物体的朝向是完全相反的方向，或者朝向沿着x轴做对称翻转了，例如
torch.atan(-1/10)和torch.atan(1/(-10))是没有区别的，atan2()就是为了解决这种问题的，atan2()的实现原理大致如下图所示：
有人基于atan()对atan2()做了如下近似实现：
torch.atan((rot_sine / (rot_cosine + 1e-8)).sigmoid())
+ ((1 - torch.sign(rot_cosine)) / 2) * torch.sign(rot_sine) * torch.pi
显然后半部分根据x和y的正负做加/减torch.pi是正确的，但是前半部分对(y/x)做sigmoid()运算把值一律转到不带符号的(0,1)之间在有的情况下是有一定误差的。
网上没找到其他更好的实现，于是我基于上面图中的计算规则做了如下实现：
rot_sine = bboxes[..., 6:7]
rot_cosine = bboxes[..., 7:8]
idx = torch.where(rot_cosine == 0)
rot_cosine[idx] = 1e-6
rot = torch.atan(rot_sine / rot_cosine)
mask_yp = (rot_sine >= 0) & (rot_cosine < 0)
mask_yn = (rot_sine < 0) & (rot_cosine < 0)
idx_yp = torch.where(mask_yp)
idx_yn = torch.where(mask_yn)
rot[idx_yp] += torch.pi
rot[idx_yn] -= torch.pi
用数据测试发现上述计算步骤计算出的结果和torch.atan2()计算出来是一致的，仅当x==0(或者说上面的rot_cosine==0)时，用小量1e-6代替0，计算出的角度和正负torch.pi/2可能有点很细微差异而已，这基本不影响物体朝向的正确性。
将上述实现封装成函数替代调用处的torch.atan2()，导出onnx就可以顺利成功了。