YOLOv8部署的4种不同部署方式推理速度对比：pytorch、onnx、ncnn、tflite

1.模型转换

首先，我们将yolov8n.pt转换分别转换成onnx、ncnn、tflite格式模型，供后续使用不同模型部署使用，进行速度对比测试。转换代码如下：

# 转onnx
yolo export model=yolov8n.pt format=onnx

# 转ncnn
yolo export model=yolov8n.pt format=ncnn

# 转tflite
yolo export model=yolov8n.pt format=tflite

 

2. 模型部署测试

首先，写一个可以测试摄像头与视频的测试脚本VideoTest.py，方便我们进行不同模型的测试。

2.1 pytorch 部署方式

基于pytorch框架的原生yolov8.pt部署测试，测试结果如下，检测视频的速度约为2帧/s。命令如下：

❝

python VideoTest.py --model=yolov8n.pt --source=1.mp4 --show=True