mmyolo导出模型

最新推荐文章于 2024-09-04 23:03:34 发布
最新推荐文章于 2024-09-04 23:03:34 发布
阅读量475 收藏 8
点赞数 8
分类专栏： 杂 文章标签： yolo
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/qq_33596242/article/details/135157974
版权

报错：python mmyolo/projects/easydeploy/tools/export_onnx.py configs/yolov7/tfj_yolov7_tiny_syncbn_fast_8x16b-300e_coco.py work_dirs/tfj_yolov7_tiny_syncbn_fast_8x16b-300e_coco/best_coco_bbox_mAP_epoch_10.pth --model-only --simplify 运行报错
No module named ‘projects.easydeploy’
解决方法：

  1. 把projects整个工程移动到mmyolo下，如图：
    .在这里插入图片描述
  2. 把export_onnx.py进行修改，如图：
    在这里插入图片描述
  3. 正常的话应该可以用了，不能用的话。cd到mmyolo上一级，也就是根目录，然后pip install -e .即可。~
Ctrl_Cver
关注
专栏目录
基于MMDet的YOLOX模型部署（附后处理代码）
MNMC_Rd的博客
07-25 285
将mmdetection的yolox模型部署到rockchip的rk3588芯片上，由于rk3588不支持后处理算子，需要无后处理的模型加上后处理代码才能正常显示检测结果。yolox使用mmdetection的预训练权重，通过mmdeploy导出不带后处理的onnx模型。后处理代码主要是从mmdetection仓库提取得到，除了nms部分（mmcv库的nms代码嵌套过于复杂，直接用chatgpt生成了🥴）。代码提取的过程有些曲折，所以把最终代码贴出来做个记录。
mmdetection-yolox导出ncnn模型(1)
04-17 1305
本文介绍了mmdetection-yolox导出ncnn模型遇到的问题及解决办法
【MMYOLO训练数据集】
小秋的博客
03-05 1286
MMYOLO是OpenMMLab实验室开发的一个基于YOLO系列的目标检测框架的实现，它整合了MMCV和MMEngine等工具库以支持更方便的模型训练、评估以及部署。环境安装安装Python和必要的依赖包。安装mim使用mimmim install mmcv>=指定版本,=指定版本,
OAK相机如何将 MMYOLO 内模型转换成blob格式？
oakchina的博客
03-21 581
最近咱社群里有几个朋友在将yolox转换成blob的过程有点不清楚，所以我就写了这篇博客。（请夸我贴心！咱的原则：合理要求，有求必应！1.其他Yolo转换及使用教程请参考2.检测类的yolo模型建议使用在线转换（地址），如果在线转换不成功，你再根据本教程来做本地转换。
YOLOX模型导出笔记
qq_35699473的博客
04-10 5664
YOLOX应该是对新手比较友好的的了，甚至他都把模型导出好了，可以直接参照他的部署demo直接应用。 github链接 YOLOX导出ONNX模型 进入你的YOLOX目录，首先验证一下YOLOX是否能正常运行。python setup.py develop 运行：其中-n指模型名称；也可以-f指定，但我不懂，其实他教程中的-f和-n都指向了同一个文件，应该是需要自定义模型是才需要python tools/demo.py image -n yolox-s -c ./weights/yolox_s.pth
mmdeploy框架导出模型为ONNX
qq_40622955的博客
04-23 1028
model_cfg : mm 算法库的模型配置，例如 mmpretrain/configs/vision_transformer/vit-base-p32_ft-64xb64_in1k-384.py，与 mmdeploy 的路径无关。–log-level : 设置日记的等级，选项包括’CRITICAL’， ‘FATAL’， ‘ERROR’， ‘WARN’， ‘WARNING’， ‘INFO’， ‘DEBUG’， ‘NOTSET’。c++ 的onnx库，在你喜欢的目录下下载解压，设置环境变量即可。
OpenMMlab导出yolox模型并用onnxruntime和tensorrt推理
taifyang的博客
11-26 863
这里通过trtexec转换onnx文件，LZ的版本是TensorRT-8.2.1.8。输出是包含多个检测头的输出。安装mmdeploy的话，可以通过下面脚本导出onnx模型。
Yolov8模型剪枝，导出onnx测试图片和coco指标
qq_39128381的博客
12-13 1548
yolov8模型剪枝
OpenMMlab导出yolov3模型并用onnxruntime和tensorrt推理
taifyang的博客
11-12 830
输出是包含三个不同层级检测头的输出。安装mmdeploy的话，可以通过下面脚本导出onnx模型。
yolov8模型结构修改详细实践
lixiao2112924629的博客
08-04 1190
1）在yolov8中添加CBAM注意力模块，首先打开脚本，脚本路径如下所示：** 注意：自定义的网络模块不是固定放到conv.py脚本中，我们也可以自定义新的脚本添加模块，但是要按下面的方式引用和声明。**2）并在脚本中添加CBAM模块的模型代码，如下所示：添加CBAM模块的代码后，还需要在脚本中添加自定义模块声明，用于后续引用，如下所示：脚本路径：在。
【YOLOV8预测篇】使用Ultralytics YOLO进行检测、分割、姿态估计和分类实践
静谧、淡雅
12-21 2194
【YOLOV8预测篇】使用Ultralytics YOLO进行检测、分割、姿态估计和分类实践
模型实战（7）之YOLOv8推理+训练自己的数据集详解
yohnyang的博客
03-17 1352
YOLOv8推理+训练自己的数据集详解
二、MMRotate旋转框目标检测训练DOTA数据集（模型推理与部署，保存推理结果为xml文件并构建镜像）
Java开发，人工智能，边缘计算，致力于掌握前沿技术
09-04 1044
在上一篇文章中介绍了MMRotate的概述、安装和训练Dota数据集全流程，由于文章篇幅限制还剩下一部分模型的推理和部署环节没有写，为避免后续对这部分工作的遗忘，决定还是补充上这部分的笔记，仅作记录，如有不足之处还请指出！
深度学习——苹果新鲜度识别
m0_74127260的博客
10-31 884
本项目使用yolov8模型作为目标检测的模型 近年来，随着全球经济的发展，水果消费市场规模不断扩大，水果种类也日益丰富。水果检测与识别技术在农业生产、仓储物流、超市零售等领域具有重要的应用价值。传统的水果检测与识别方法主要依赖于人工识别，这种方法在一定程度上受到人力成本、识别效率和准确性等方面的限制。因此，开发一种高效、准确的自动化水果检测与识别系统具有重要的研究意义和实际价值。 在本博文中，我们提出了一种基于深度学习的苹果新鲜度检测与识别系统，该系统采用YOLOv8算法对苹果
智慧建造总体策划方案（76页）.pptx
11-02
智慧建造总体策划方案（76页）
基于 Python2.7 和 PyQT4 开发的 modbus 通信采集软件
11-02
基于 Python2.7 和 PyQT4 开发的 modbus 通信采集软件，已在 windows、deepin linux 和树莓派上测试！
LLC simulink仿真《slx模型文件》
11-02
LLC simulink仿真《slx模型文件》 LLC谐振转换器是一种高效的直流-直流(DC-DC)电源转换器，因其独特的谐振特性而得名。在电力电子领域，LLC仿真对于理解和优化这种转换器的性能至关重要。Simulink是MATLAB环境下的一个强大工具，用于建立和仿真复杂系统，包括电力电子系统。 标题“LLC simulink仿真”指的是使用Simulink进行LLC谐振转换器的建模和仿真。通过Simulink，工程师可以模拟LLC转换器在不同工作条件下的行为，如负载变化、输入电压变动以及控制策略的影响。 **LLC电路的基本原理：** LLC谐振转换器结合了升压（Boost）、降压（Buck）和串联谐振（Series Resonant）三种拓扑结构的特点。它由主开关、副开关、电感、电容和二极管组成。谐振电容和电感形成谐振回路，使得开关器件能在零电压或零电流条件下切换，从而降低开关损耗并提高效率。 **仿真过程：** 在Simulink中，首先需要建立LLC转换器的模型，包括各个元件的参数设定。这包括主开关和副开关的开关频率、谐振电容和电感的值、二极管的反向恢复特性等。然后，设
krb5-devel-1.15.1-55.el7_9.i686.rpm
最新发布
11-02
Centos7 el7.x86_64 官方离线安装包，安装指令为 sudo rpm -ivh krb5-devel-1.15.1-55.el7_9.i686.rpm
基于Matlab实现Stanley算法项目源码（下载即用）高分项目
11-02
基于Matlab实现Stanley算法项目源码（下载即用）高分项目，本资源中的源码都是经过本地编译过可运行的，评审分达到98分，资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、毕业设计、期末大作业和课程设计使用需求，如果有需要的话可以放心下载使用。 基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基于Matlab实现Stanley算法项目源码（下载即用）高分项目基
CloudCompare导出模型
07-30
CloudCompare是一款非常流行的三维数据比较和可视化软件，它支持多种文件格式导入和导出模型。当你需要将处理过的模型保存或分享给他人时，可以使用其导出功能。以下是几个常见的导出选项： 1. **STL** (Standard ...
评论
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