OpenVINO之五：转换ONNX模型

最新推荐文章于 2024-08-05 00:03:14 发布
最新推荐文章于 2024-08-05 00:03:14 发布
阅读量1.5w 收藏 7
点赞数 1
分类专栏： OpenVINO 文章标签： OpenVINO
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/shanglianlm/article/details/89291043
版权

1

2 OpenVINO支持的ONNX模型

2-1 支持的公共模型
  • bvlc_alexnet , bvlc_googlenet , bvlc_reference_caffenet , bvlc_reference_rcnn_ilsvrc13
  • inception_v1, inception_v2
  • resnet50
  • squeezenet
  • densenet121
  • emotion_ferplus
  • mnist
  • shufflenet
  • VGG19
  • zfnet512
2-2 支持的Pytorch模型

Torchvision Models：

  • alexnet,
  • densenet121, densenet161, densenet169, densenet201,
  • resnet101, resnet152, resnet18, resnet34, resnet50,
  • vgg11, vgg13, vgg16, vgg19

Pretrained Models：

  • alexnet,
  • fbresnet152,
  • r
了解本专栏 订阅专栏 解锁全文 超级会员免费看
mingo_敏
关注
专栏目录
订阅专栏
Pruned-OpenVINO-YOLO:在OpenVINO嵌入式设备上部署修剪后的YOLOv3v4v4-tinyv4-tiny-3l模型
05-03
修剪后的OpenVINO-YOLO 先决条件 首先安装mish-cuda： : 测试平台：WIN10 + RTX3090 + CUDA11.2 如果您无法在设备上安装它，也可以尝试 开发日志 扩张 2021-2-25支持yolov4-tiny和yolov4-tiny-3l。请使用或修剪yolov4-tiny和yolov4-tiny-3l模型（提示：使用darknet调整修剪后的模型而无需加载权重）和转换权重 2021-3-13更新了Mish-cuda支持。增强了代码对yolov4的适应性（训练更快，内存占用更少） 介绍 当在OpenVINO上部署YOLOv3 / v4时，该模型的完整版本的FPS较低，而微型模型的准确性较低且稳定性较差。 完整版的模型结构通常被设计为能够在更复杂的场景中检测80个或更多的类。 在我们的实际使用中，通常只有几个类，而且场景并不那么复杂。 本教程将分享如何修
openvino转onnx模型经验总结
大山的专栏
11-25 1104
openvino转onnx模型经验总结如下： 切片操作 openvino会将切片优化成split ，然后在c++中初始化会出错，于是将切片用index_select替代, 如下所示： preds_0_1 = preds[:, :2, :, :] 更改为： preds_0_1 = preds.index_select(1, torch.tensor([0, 1]).to(preds.device)) ...
Python DenseNet OpenVino打包
最新发布
qq_34524246的博客
08-05 284
Python OpenVINO打包 DenseNet
【程序】Marvell 88W8686 WiFi模块（WM-G-MR-09）创建或连接热点，并使用lwip2.0.2建立http服务器（20171030版）
ZLK1214的专栏
07-19 3万+
本程序所用的单片机型号为：STM32F103REPB12端口为外接的WiFi模块电源开关，当PB12输出低电平时接通电源。WiFi模块的电源引脚VCC不可直接连接到电源上，必须要串联一组PNP三极管（或场效应管），并把基极接到PB12端口上，基极要接限流电阻。注意：WM-G-MR-09模块的芯片组（Chip Set）就是Marvell 88W8686。该程序目前暂不支持WPA和WPA2加密方式！8...
港台术语与内地术语之对照
热门推荐
狼在江湖飘，尽量少挨刀！
06-27 22万+
在使用计算机的过程中，你可能会碰到各种各样的专业术语，特别是那些英文缩写常让我们不知所云，下面收集了各方面的词组，希望对大家有帮助。&|©雷傲极酷超级论坛 -- 雷傲极酷超级论坛，最新软件，BT 下载，游戏娱乐，交友聊天，您网上的自由天堂　　X~ijb   一、港台术语与内地术语之对照efry;R   由于港台的计算机发展相对快一些，许多人都去香港或台湾寻找资料，但是港台使用的电脑专业术语与内地不
OpenVino 2023.0学习使用（2）- 转换ONNX模型
qq_44632658的博客
06-18 4085
WU
模型转换-OpenVINO模型IR-XML转换为onnx模型-附项目源码+使用教程-优质项目实战.zip
06-07
在本项目中，您将找到一个详细的教程，指导如何将OpenVINO的IR-XML模型转换为ONNX模型。转换过程通常涉及以下几个步骤： 1. **模型准备**：首先，确保您已经拥有一个在OpenVINO中优化过的模型IR文件（.xml和.bin）...
YOLOv5 OpenVINO IR模型
05-25
2. 转换模型：使用Model Optimizer将YOLOv5模型转换为IR格式。这通常涉及提供模型的原始格式（如.pt）以及指定目标设备的配置。 3. 编写推理代码：使用Inference Engine API编写C++或Python代码来加载IR模型，处理...
yolov8量化部署（基于openvino和tensorrt）
06-11
OpenVINO和TensorRT都支持模型量化，它们可以将全精度模型转换为INT8或更低精度的模型。 **6. 推理用的图片和视频资源文件**: 在部署模型时，通常需要测试数据来验证模型的性能。这些资源文件包括图片和视频，可以...
【pytorch】将yolov5模型通过openVINO2022部署至生产环境（二）:C++版本博文对应源码
05-27
3. 模型优化：然后使用OpenVINO的Model Optimizer（mo.py）对ONNX模型进行优化，生成适应于特定硬件的IR（Intermediate Representation）模型。例如： ``` mo.py --input_model yolov5.onnx --output_dir ./IR --...
大模型部署-使用OpenVINO本地化部署LLaMa3-附项目源码+流程教程-优质项目实战.zip
06-07
Model Optimizer是一个命令行工具，用于将训练好的模型（如ONNX、TensorFlow、PyTorch等格式）转换为Intermediate Representation (IR) 文件，这是OpenVINO特有的模型格式，适合在各种硬件上进行高效执行。...
C# OpenVINO 直接读取百度模型实现图片旋转角度检测 源码
12-16
这一步涉及到了模型的转换，OpenVINO支持ONNX、TensorFlow、Caffe等多种模型格式。 代码示例： ```csharp using Intel.InferenceEngine; // ... var ie = new Core(); var modelBlob = File.ReadAllBytes("path_...
【pytorch】将yolov5模型通过openVINO2022部署至生产环境（二）:C++版本 异步模式
05-31
2. **使用Model Optimizer进行转换**：运行Model Optimizer，指定输入模型的路径和输出IR的目录，将ONNX模型转换为OpenVINO IR。这个过程会针对特定的Intel硬件进行优化。 3. **构建C++应用程序**：使用OpenVINO的...
C#实现基于Csharp和OpenVINO部署PP-Human 模型
02-29
在本文中，我们将深入探讨如何使用C#编程语言与Intel的OpenVINO工具包来部署PP-Human模型。PP-Human是一种高效的深度学习模型，专为人体关键点检测任务设计，广泛应用于人像分析、姿势识别等领域。我们将讨论C#接口...
终于串通ANR的一切
chuyouyinghe的专栏
01-09 1038
仅做学习和记录，方案非原创。1。
CnPack开发包基础库
挨踢生涯
07-09 3277
unit CnCommon; {* | ================================================================================ * 软件名称：开发包基础库 * 单元名称：公共运行基础库单元 * 单元作者：CnPack开发组 * 备    注：该单元定义了组件包的基础类库 * 开发平台：PWin98SE + De
Android之Camera1实现相机开发
Android061503的博客
07-01 1809
一、前言 现在很多app都会有拍照功能，一般调用系统进行拍照裁剪就能满足平时的需求，但有些场景或者特殊情况下如：持续不间断拍多张照片或者是进行人脸识别的时候，这时候之间调用系统原生相机拍照时不能满足自己的开发需求，就需要使用原生Camera来进行自定义开发，本文会采用android.hardware.CameraAPI来进行开发。在Android生态中，Camera是碎片化较为严重的一块，因为现在Android本身有三套API： Camera:Android 5.0以下 Camera2:Android 5
openvino动态onnx batchsize模型转换
08-16
OpenVINO可以将动态batchsize的ONNX模型转换为其支持的静态batchsize的模型。下面是一种实现方式： 首先，安装OpenVINO工具包，并将模型优化器（Model Optimizer）集成到环境中。该工具用于将ONNX模型转换为OpenVINO可以加载和推理的IR模型。 在转换ONNX模型之前，我们需要了解该模型的动态输入形状。通常，动态batchsize的模型在网络的输入节点上会标记为-1或None。我们可以使用ONNX Runtime库来动态推理模型并获取输入形状。 下一步是使用Model Optimizer将ONNX模型转换为IR模型。为了支持静态batchsize，我们需要在转换过程中指定batch参数。命令行示例如下： ``` python mo.py --input_model model.onnx --output_dir output --input_shape [B,C,H,W] --mean_values [mean_values] --scale_values [scale_values] --batch B ``` 在命令行中，我们需要提供转换的ONNX模型，输出目录，输入形状，均值和缩放值。重要的是，在输入形状中指定batch维度并将其设置为所需的静态batchsize。 完成转换后，我们可以使用OpenVINO进行推理，输入静态batchsize的数据进行推理。 需要注意的是，在转换和推理过程中，我们需要确保模型和数据的形状匹配，以避免错误发生。如果需要批量推理，可以使用循环迭代每个批量进行推理。 这就是使用OpenVINO将动态batchsize的ONNX模型转换为静态batchsize模型的简要步骤。通过这种方式，我们可以使用OpenVINO对不同大小的批量进行高效推理。
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

打赏作者

mingo_敏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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