使用onnxruntime_Gpu推理efficientnetV2的onnx格式的模型文件

Qinglu_

已于 2024-08-05 14:19:27 修改

阅读量1.3k

点赞数 3

分类专栏： inference 文章标签：深度学习人工智能神经网络

于 2023-02-25 10:45:43 首次发布

本文链接：https://blog.csdn.net/qq_41814146/article/details/129212683

版权

文章介绍了如何在C++中利用onnxruntime进行efficientnetV2模型的分类推理，包括安装必要的packages，处理图像预处理，以及解决在onnxruntime新版API中遇到的GetInputName和GetOutputName方法弃用的问题。代码示例展示了模型加载、输入输出处理和推理过程。

摘要由CSDN通过智能技术生成

【说明】

【步骤】

Ⅰ安装onnxruntime所需要的packages

Ⅱ 等待安装完毕

【代码部分】

【报错问题及解决办法】

【说明】

efficientnetV2是目前基于CNN网络的最强分类模型，我们使用该模型对我们的项目做分类，目前我们使用的是28类，发现其泛化能力比较弱，学习能力是比较强的。

efficientnetV2的pytorch代码是参考的霹雳吧啦Wz大佬的

关于分类的C++推理代码，借鉴了

《C++使用onnxruntime/opencv对onnx模型进行推理(附代码)》

因为有些函数被弃用等，对其也做了一些修改，更方便测试

【步骤】

Ⅰ安装onnxruntime所需要的packages

打开VS2019->创建新项目->项目->管理NuGet程序包->搜索所需要的插件

Ⅱ 等待安装完毕

【代码部分】

#include <opencv2/core.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc_c.h>
#include <opencv2/dnn.hpp>
#include <opencv2/core/utils/logger.hpp>
#include <iostream>  
#include <onnxruntime_cxx_api.h>
#inc