YOLOv5的pt格式转为onnx格式笔记

最新推荐文章于 2024-08-07 10:52:52 发布
最新推荐文章于 2024-08-07 10:52:52 发布
阅读量1.3k 收藏 14
点赞数 3
文章标签： YOLO 笔记
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_62106491/article/details/135890348
版权

#本文作为个人笔记，用于记录yolov5的pt转onnx格式

一、参数修改

1、在文件中找到export.py

2、 修改这两处的参数为自己定义的文件名

3、将该段代码中的'torchscript'改为'onnx'

 

 

4、点击run开始转换
 

二、文件位置
 

在对应权重文件的文件夹下

                

        

        

    

  


    

      

        

            

              
                
                  fu610
                
              
            

            

                关注
              
            

        

        

          
      

      









                



	

		

			

				
					
YOLOV5（二）：将pt转为onnx模型并用opencv部署

				
			

			

				

					abandononeself的博客
				

				

					07-28
					
					3531
					
				

			

		

		

			
				
将yolov5s训练的火焰数据的pt权重改为可用opencv识别的onnx。

			
		

	



                

              
                



	

		

			

				
					
Yolov5 导出ONNX

				
			

			

				

					canyingfeixue的专栏
				

				

					07-29
					
					527
					
				

			

		

		

			
				
Dimensions=class数量+5。3、修改C# Dimensions。2、获取训练模型 anchors。1、修改export.py。

			
		

	



                


  
              

                


	

		

			

				
					
yolov5中pt模型转换为onnx

				
			

			

				

					qq_43504054的博客
				

				

					08-07
					
					342
					
				

			

		

		

			
				
转换就此结束！！！

			
		

	





	

		

			

				
					
【yolov5】pytorch模型导出为onnx模型

				
			

			

				

					振华OPPO的博客世界
				

				

					10-21
					
					1万+
					
				

			

		

		

			
				
博主想拿官网的yolov5训练好pt模型，然后转换成rknn模型，然后在瑞芯微开发板上调用模型检测。1、首先部署好yolov5的环境，保证可以运行detect.py进行检测，将自己训练好的pt模型放到weights目录下，我这里命名是best.pt。3、输入下面命令导出模型（后面的weights、img和batch参数可以不加，设置下默认参数即可）自带的预训练模型是预测80类CoCo数据集的yolov5s改进结构，下面就带大家一起转换模型！可以看到转换后的结构比较乱，有些结点其实可以跳过，减小模型。

			
		

	



		

			
		



	

		

			

				
					
详细介绍 Yolov5 转 ONNX模型 + 使用ONNX Runtime 的 Python 部署（包含官方文档的介绍）

					
热门推荐

				
			

			

				

					qq_22487889的博客
				

				

					12-01
					
					3万+
					
				

			

		

		

			
				
目前在做模型部署的工作，使用YOLO开始学起，先学会ONNX以后在学习各种边缘平台的部署。

			
		

	





	

		

			

				
					
YOLOv5 pt转为onnx

				
			

			

				

					qq_45834106的博客
				

				

					01-19
					
					1899
					
				

			

		

		

			
				
使用onnx模型的时候，很反常，打印出来的使用设备是GPU，但是我查看GPU时GPU的利用率是零，并且速度很慢，应该是使用CPU跑的。然后我发现有一个叫dnn的东西可以和onnx配合着使用，我就尝试了一下，此时onnx模型的前向推理速度是1s一张图。运行下面的代码安装onnx相关的环境，按照自己的设备进行选择。所以应该是onnx和cuda、cudnn的版本没对上，重新装就好了。是没办法安装好onnx环境的。看到这里，在我只能说yolov5的作者真的太贴心了。下面是5x的一些实验，均开启了半精度。

			
		

	





	

		

			

				
					
yolov5 pt文件转换为onnx格式

				
			

			

				

					weixin_46504385的博客
				

				

					04-11
					
					2010
					
				

			

		

		

			
				
1

			
		

	





	

		

			

				
					
yolov5训练以及模型onnx转换

				
			

			

				

					10-13
				

			

		

		

			
				
目标检测工程备份

			
		

	





	

		

			

				
					
yolov5 pt模型转 onnx格式

				
			

			

				

					silent702366的博客
				

				

					07-26
					
					317
					
				

			

		

		

			
				
yolov5 pt模型转 onnx格式

			
		

	





	

		

			

				
					
YOLOV8模型转换-ONNX-RKNN

				
			

			

				

					10-12
				

			

		

		

			
				
首先，我们需要将这个PT模型转换为ONNX（Open Neural Network Exchange）格式。ONNX是一种开放标准，能跨框架表示深度学习模型，便于不同平台之间的模型迁移。在PyTorch中，可以使用`torch.onnx.export()`函数完成此...

			
		

	





	

		

			

				
					
Yolov5_onnx

				
			

			

				

					06-23
				

			

		

		

			
				
包含Yolov5的四个pt权重，对应转换为onxx的Yolov5s.onnx、Yolov5m.onnx、Yolov5l.onnx、Yolov5x.onnx共4个文件。
此外完整详细的Yolov5网络结构的讲解可参考江大白的博文。

			
		

	





	

		

			

				
					
yolov8分割模型转onnx模型脚本python程序

				
			

			

				

					03-12
				

			

		

		

			
				
yolov8分割模型转onnx模型脚本python程序yolov8分割模型转onnx模型脚本python程序yolov8分割模型转onnx模型脚本python程序yolov8分割模型转onnx模型脚本python程序yolov8分割模型转onnx模型脚本python程序yolov8分割...

			
		

	





	

		

			

				
					
训练自己YOLOv10模型+标签分类源码+pt模型转onnx模型源码

					
最新发布

				
			

			

				

					08-21
				

			

		

		

			
				
训练自己YOLOv10模型+标签分类源码+pt模型转onnx模型源码，训练自己YOLOv10模型+标签分类源码+pt模型转onnx模型源码，训练自己YOLOv10模型+标签分类源码+pt模型转onnx模型源码，训练自己YOLOv10模型+标签分类源码+pt...

			
		

	





	

		

			

				
					
yolov5_convert_onnx.zip

				
			

			

				

					09-26
				

			

		

		

			
				
为了解决这个问题，我们可以将YOLOv5模型从PyTorch（.pt）格式转换为ONNX（.onnx）格式，以实现更广泛的部署和使用。本文将详细介绍如何进行这一转换过程，并探讨其中涉及的关键知识点。  首先，我们需要了解YOLOv5...

			
		

	





	

		

			

				
					
三种yolov8的pt模型转onnx模型方法，以及yolov8的pt模型转onnx的时候，报错valuError: unsupported onnx opset version:16,

				
			

			

				

					pvmsmfchcs的博客
				

				

					11-29
					
					1296
					
				

			

		

		

			
				
1，关于报错valuError: unsupported onnx opset version:16。方法：你可以设置参数 --opset 12。我和你有同样的问题，我已经解决。

			
		

	





	

		

			

				
					
使用YOLO5—V7.0训练模型并将训练结果模型.pt转成.onnx测试

				
			

			

				

					boys_w的博客
				

				

					04-26
					
					2779
					
				

			

		

		

			
				
使用YOLO5 --v5.0 的 export将训练好的.pt模型文件转成.onnx文件出现各种错误虽然转出了onnx文件，但是并不能检测出目标物体。经过各种精神折磨后发现是版本问题 ，所以在这里对v7.0版本的使用做个笔记（重点是使用export文件转出onnx文件 并且在detect文件里使用onnx文件检测onnx文件）。吧啦吧啦又说了一堆 ​​​，（心里自我安慰都是为了完成任务。后面应该会研究一下onnx的部署吧。吐槽：大一的自己如此忙碌。

			
		

	





	

		

			

				
					
yolov5 pt 模型 导出 onnx

				
			

			

				

					微信号：RunsenLiu
				

				

					07-04
					
					1万+
					
				

			

		

		

			
				
在训练好的yolov5 pt 模型 可以 通过 export.py  进行导出 onnx导出流程在 export.py 设置模型和数据源的yaml在官方的文档中 说明了可以导出的具体的类型。
在  添加导出的类型， 不同的 类型的 环境要求不一样，建议虚拟环境，比如onnx 和 openvino   的numpy 版本要求不一只，一个要求高配，一个要求低配

如何测试和验证推理

在模型导出的中onnx 和 openvino 不需要GPU进行推理，但是tensorRT 需要 GPU 进行推理...

			
		

	





	

		

			

				
					
yolov5的.pt模型转.onnx模型并运行

				
			

			

				

					weixin_45235219的博客
				

				

					05-29
					
					1754
					
				

			

		

		

			
				
运行export把pt转成onnx之前先做一下修改：data是训练.pt文件时的yaml文件，weights是需要转成onnx模型的pt模型的路径，batch-size改成1，想用cpu运行device就改成cpu，想用gpu运行就改成0，include就写onnx。直接在detect.py运行onnx模型：weights中放入onnx模型路径，如果想检测图片就在source放入图片路径，要检测摄像头就设置为0，data是训练.pt文件时的yaml文件。

			
		

	





	

		

			

				
					
yolov5的权重文件pt格式转为onnx格式

				
			

			

				

					06-09
				

			

		

		

			
				
要将YoloV5的权重文件从.pt格式转为.onnx格式，可以按照以下步骤进行操作：

1. 安装PyTorch，可以通过官方网站或者pip安装。

2. 安装ONNX，可以通过官方网站或者pip安装。

3. 下载YoloV5的代码和权重文件，可以从GitHub上下载。

4. 运行yolov5/models/export.py脚本，将权重文件转为ONNX格式，命令如下：

   ```python
   python models/export.py --weights <权重文件路径> --img <输入图片大小> --batch <批次大小>
   ```

   例如，将yolov5s.pt转为onnx格式，输入图片大小为640x640，批次大小为1，命令如下：

   ```python
   python models/export.py --weights yolov5s.pt --img 640 --batch 1
   ```

5. 运行完后，会在yolov5/models目录下生成一个yolov5s.onnx文件，即转换完成。

需要注意的是，转换后的ONNX文件需要使用ONNX Runtime或其他支持ONNX格式的推理引擎进行推理。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 1

	

	
	




  

    

      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