利用Netron查看YOLOv5的网络结构

最新推荐文章于 2024-07-05 12:12:33 发布

明天才有空

最新推荐文章于 2024-07-05 12:12:33 发布

阅读量2.3k

点赞数 4

分类专栏： Yolov5 文章标签：深度学习目标检测

本文链接：https://blog.csdn.net/WZT725/article/details/124274711

版权

Yolov5 专栏收录该内容

12 篇文章 42 订阅 ¥15.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何下载和使用Netron来查看YOLOv5的网络结构。通过运行exprot.py脚本，将YOLOv5模型转换为.onnx格式，然后在Netron中打开，展示了一个复杂的可视化网络模型。

摘要由CSDN通过智能技术生成

1. 下载Netron

Windows端下载Netron并安装：Github网址

下载.exe后安装

在Netron中.pt文件形成可视化结构尚在开发阶段，成果比较简陋，接下来用YOLO自带的脚本生成.onnx文件

2. exprot.py

没有onnx环境的先pip进行安装；

修改配置参数，将模型和数据集修改成自己的，超参数按自己需求修改：

def run(data=ROOT / 'data/coco128.yaml',  # 'dataset.yaml path'
        weights=ROOT / 'yolov5s.pt',  # weights path
        imgsz=(640, 640),  # image (height, width)
        batch_size=1,  # batch size
        device='cpu',  # cuda device, i.e. 0 or 0,1,2,3 or cpu
        include=('torchscript', 'onnx'),  # include formats
        half=False,  # FP16 half-precision export
        inplace=False,  # set YOLOv5 Detect() inplace=True
        train=False,  # model.train() mode
        op

了解本专栏