【目标检测-YOLO】YOLOv5-yolov5s TensorRT部署准备之ONNX导出（第一篇）

理心炼丹

已于 2022-07-08 10:56:02 修改

阅读量7.7k

点赞数 8

分类专栏： YOLO 视觉文章标签： YOLOv5

于 2022-04-01 20:31:38 首次发布

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/hymn1993/article/details/123893719

版权

YOLO 同时被 2 个专栏收录

30 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

视觉

40 篇文章

订阅专栏

本文介绍了YOLOv5在6.0和5.0版本中导出ONNX模型以备TensorRT部署的详细步骤。内容包括修改导出文件以简化模型，解释了模型输出结构，讨论了inplace操作的影响，以及在不同版本中如何处理网格初始化问题。此外，还提供了避免问题的建议和参考资源。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

下面的内容是对 YOLOv5-yolov5s TensorRT部署前的准备之导出可用的ONNX。

之前已经写过部分内容，但是还不够详细。

1. YOLOv5-6.0版本

以下内容以 6.0 版本为准。

修改导出文件：

    def forward(self, x):
        z = []  # inference output
        for i in range(self.nl):
            x[i] = self.m[i](x[i])  # conv2d
            # 修改1：对于任何用到shape、size返回值的参数时，为了避免pytorch 导出 onnx 时候，对size 进行跟踪，跟踪时候会生成gather、shape的节点。使用 map 加上int转换。
            bs, _, ny, nx = map(int,x[i].shape)  # x(bs,255,20,20) to x(bs,3,20,20,85)
            # 修改2：对于reshape、view操作时，-1的指定请放到batch维度。其他维度可以计算出来即可。batch维度禁止指定为大于-1的明确数字。所以这里 bs 改为 -1.
            x[i] = x[i].view(-1, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()

了解本专栏