YOLOv5全面解析教程：将训练好的YOLOv5权重导为其它框架格式
1
模型导出
2
开始之前
克隆工程并在 Python>3.7.0 的环境中安装 requiresments.txt , OneFlow 请选择 nightly 版本或者 >0.9 版本 。模型和数据可以从源码中自动下载。
3格式
YOLOv5支持多种模型格式的导出，并基于特定模型对应的框架获得推理加速。
4
导出训练好的 YOLOv5 模型
下面的命令把预训练的 YOLOV5s 模型导出为 ONNX 格式。yolov5s?是小模型，是可用的模型里面第二小的。其它选项是?yolov5n?，yolov5m，yolov5l，yolov5x?，以及他们的 P6 对应项比如?yolov5s6?，或者你自定义的模型，即?runs/exp/weights/best?。有关可用模型的更多信息，可以参考我们的README
提示: 添加 --half 以 FP16 半精度导出模型以实现更小的文件大小。
输出：
导出的 onnx 模型使用 Netron Viewer 进行可视化的结果如下：
5
导出模型的示例用法
detect.py?可以对导出的模型进行推理：
val.py?可以对导出的模型进行验证：
6
ONNX Runtime 推理
基于 onnx 模型使用 onnxruntime 进行推理：
输出：
参考文章
https://github.com/ultralytics/yolov5/issues/251
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20230523A012I200?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
