darknet cpp weights模型转换成ONNX模型

最新推荐文章于 2023-06-01 16:39:34 发布
最新推荐文章于 2023-06-01 16:39:34 发布
阅读量1.2k 收藏 3
点赞数 5
文章标签： pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HELLOWORLD2424/article/details/120972495
版权

整理不易,如果觉得有用,记得点赞收藏和分享哦

1. 下载转换需要的代码文件

在下面地址下载代码文件

https://gitee.com/liangjiaxi2019/pytorch-YOLOv4

2. 安装onnxruntime

这里使用的是1.9.0版本的onnxruntime

pip3 install onnxruntime==1.9.0

3. 准备模型以及配置文件

在项目的data目录下准备转换需要的文件

需要模型架构的cfg文件,表示类别names文件,模型的权重weights文件以及一张测试图片
在这里插入图片描述

4.修改代码配置

修改demo_onnx.py文件
第56行写上当前模型预测的类别数目, 修改64行,改成实际模型的类别names文件
在这里插入图片描述

5. 运行转换

运行下面命令进行转换
其中最后一个参数是batchsize,这里以后模型推理是利用单张图输入,所以设成1

python3 demo_onnx.py data/xxxx.cfg data/xxxxx.weights data/testimage.jpg 1

6. 转换ONNX结果

转换完成以后,会生成onnx模型以及通过onnx模型预测的图片结果
在这里插入图片描述

HELLOWORLD2424
关注
  • 5
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
yolov5训练以及模型onnx转换
10-13
目标检测工程备份
转化yolov2的weights和cfg文件到onnx
weixin_42388228的博客
05-19 896
修改https://github.com/purelyvivid/yolo2_onnx/blob/master/darknet.py 151行为 pad = int((kernel_size-1)/2) if is_pad else 0 在https://github.com/purelyvivid/yolo2_onnx/blob/master/Onnx.py中的最下方添加如下代码转化yolov2的weights和cfg文件到onnx def onnx_file_export(model, onnxfil
yolov3-tiny原始weights模型转onnx模型并进行推理
weixin_38106878的博客
05-26 5193
时隔不知道多少天，我记起来我还有部分博客没写完(偷懒)，所以不能偷懒把它完成！！ 这篇博客的主要内容 将yolov3-tiny.weights模型转换到.onnx模型； 使用onnnxruntime-gpu（加速）模型推理；（不知道这里用加速形容是否合适） 照片推理测试； 视频文件推理测试； （注：本文用的模型为本人日常测试的时候训练出来的一个小模型，能够检测车辆、行人、人脸，但是效果有限，仅限用于本文的博客内容测试使用） 接下来，我们就按照博客内容一步一步的来进行我们的学习（ctrl+c、ctrl+v）
yolov3模型部署实战weights转onnx并推理
热门推荐
weixin_38106878的博客
12-26 1万+
前言： 最近比较忙(懒)，本学渣在写毕业论文(好难受)，所以博客的更新不是那么有效率，哈哈； 本文的目的是用实际的代码带你一步一步的实现darknet模型框架的部署流程；（当然darknet算法的训练在本人之前的博客也有写，你要是串起来，那也是很棒的！） 实现yolov3/yolov3-tiny模型从.weights模型转换到.onnx模型然后再转换到.trt模型； 当然，本文也是本人自己对自己学...
[笔记]darknet(.weights)—＞onnx—＞.engine
YaoJiawei329的博客
11-05 966
利用Darknet训练YOLOv4，利用TensorRT部署到Jetson平台。
yolov3-tiny的darknet权重转onnx
轻舟已过万重山的博客
01-10 1298
转换固定尺寸的yolov3tiny-onnx，并修改conv和maxpool的实现方式来方便部署。
算法部署-darknet-to-ncnn模型转换工具-支持主流网络如resnet+yolo等.zip
最新发布
03-08
算法部署_darknet_to_ncnn模型转换工具_支持主流网络如resnet+yolo等
darknet 19 模型文件
12-02
darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。Darknet的优势： darknet完全由C语言实现，...
标准caffe中实现darknet相关层。caffe和darknet模型的相互转换和加速（分类、检测、分割）
03-21
caffe实现darknet中的相关层，主要是yolo层和upsample层等； 实现yolo网络的训练和...提供darknet模型转caffe模型； 实现bn层合并和yolo模型的加速。 示例：yolov3的darknet模型转caffe，并实现bn层合并进行模型加速。
darknet53_weights.h5
02-21
可直接用作预训练模型加载。通常用在自己专业训练集训练，采用darknet53作为boneback进行训练。
yolov3_to_onnx:将keras yolov3转换为onnx yolov3
04-08
yolov3_to_onnx版本（Docker / requirements.txt） tensorflow==1.13.2 keras==2.2.4 keras2onnx==1.5.1 onnxconverter-common==1.6.0 onnx==1.6.0 yolov3_to_onnx的整个运行过程（本例是onlov的yolov3-tiny） ./run.sh 将keras yolov3转换为onnx python3 keras_yolov3_onnx_convert.py ${YOLOV3-WEIGHT} 'anchors_classes/face_classes.txt' 'anchors_classes/tiny_yolo_anchors.txt' ${ONNX_NAME} 推理 python3 inference.py ${ONNX_NAME} 推论结果 输入 输出
onnx_tflite_yolov3:转换工具，可将YOLO v3暗网权重转换为TF Lite模型（YOLO v3 PyTorch> ONNX> TensorFlow> TF Lite）和TensorRT（YOLO v3 Pytorch> ONNX> TensorRT）
05-18
介绍 一种转换工具，可将YOLO v3暗网权重转换为TF Lite模型（YOLO v3 PyTorch> ONNX> TensorFlow> TF Lite）和TensorRT模型（dynamic_axes分支）。 先决条件 ...2.将YOLO v3模型从Darknet权重转换为ONNX模
转权重格式darknet转onnx转tensorrt
G的博客
03-20 1562
将darknet格式的权重转为onnx格式，然后再转为tensorrt格式 首先准备好一个darknet格式的权重文件(.weights)，配置文件(.cfg)，训练集名称文件(.names) darknet转为onnx 这里我使用的是这个开源链接 https://github.com/Tianxiaomo/pytorch-YOLOv4 图1 通过一个python脚本，将darknet格式的权重，转为onnx格式，并且可以输入一张图片，这个脚本会对这张图片进行识别 具体的步骤为： （1）先把上面这个gi
Darknet yolov4 转onnx
qq_43318374的博客
12-13 5040
前段时间，自己瞎搞，需要把Darknet yolov4转成onnx格式，在此记录一下过程。 我们需要在github上下载以为大佬写好的转换代码 https://github.com/Tianxiaomo/pytorch-YOLOv4 执行如下命令: cd pytorch-YOLOv4 python3 demo_darknet2onnx.py ./yolov4.cfg ./data/coco.names ./yolov4.weights ./data/dog.jpg 1 然后会得到onnx 并且会预测一
dl----darknet模型转onnx推理部署（python）
writ的博客
01-17 322
ONNX模型推理,python
yolov7-tiny.weigths转onnx模型
blink182007的博客
06-01 587
【代码】yolov7-tiny.weigths转onnx模型。
yolov3: .pth -＞ .weights -＞ onnx -＞trt
nuo112的博客
04-04 842
1..pth -> .weights .pth是什么文件_Pytorch Yolov3：.pth模型转.weights模型（Darknet模型）_weixin_39867212的博客-CSDN博客源代码： https://github.com/eriklindernoren/PyTorch-YOLOv31、起因在打包的项目中，不希望引入过多的组件（比如tensorflow，pytorch等等），并且软件的目标用户也不是程序员（因而也不会自己装好这些软件）。所以我们最终选择在软件内仅引入opencv.
YOLOv4模型转换 | Darknet2ONNX | Pytorch2ONNX | ❤️ONNX2TensorRT 推理❤️ |【yolov4 模型转换】
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
09-26 1047
文章目录Darknet2ONNXPytorch2ONNX简单解析【转换得到 特定 batch_size 的 onnx】示例转换命令如下ONNX2TensorRT 【待更新】 git clone https://github.com/Tianxiaomo/pytorch-YOLOv4.git cd pytorch-YOLOv4/ mkdir weights Darknet2ONNX # 激活一个适配环境 conda activate tf25 # cmd 参数解析 python demo_d
Yolov3 CPU推理性能比较-Onnx、OpenCV、Darknet
深度学习与计算机视觉
02-08 4960
为实时目标检测应用程序选择正确的推理框架变得非常具有挑战性，尤其是当模型应该在低功耗设备上运行时。在本文中，你将了解如何根据你的需要选择最佳的推理检测器，并发现它可以给你带来巨大的性能提升...
yolo生成onnx模型
08-19
你可以使用Darknet框架训练YOLO模型，并将其转换为ONNX格式。下面是一些步骤： 1. 安装Darknet：首先，你需要安装Darknet框架。你可以在Darknet的GitHub页面上找到安装说明。 2. 下载YOLO权重文件：在Darknet框架中，YOLO的预训练权重文件是以`.weights`扩展名保存的。你可以从Darknet的官方网站或YOLO的GitHub页面下载这些权重文件。 3. 将权重文件转换为ONNX格式：使用Darknet提供的`darknet2onnx`工具，将`.weights`文件转换为`.onnx`文件。这个工具会将Darknet模型转换为ONNX模型，使其可以在其他框架中使用。 4. 使用ONNX模型进行推理：一旦你获得了YOLO的ONNX模型，你可以使用各种深度学习框架（如PyTorch、TensorFlow等）加载该模型，并进行目标检测推理。 请注意，以上步骤只是一个大致的指导，具体实施步骤可能会因你使用的工具和环境而有所不同。建议阅读相关文档和参考示例代码，以便更好地理解和操作YOLO模型的ONNX转换过程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值