YOLOv5模型导出

一、准备

Python>=3.8并且PyTorch==1.7

git clone https://github.com/ultralytics/yolov5  # clone repo
cd yolov5
pip install -r requirements.txt  # base requirements
pip install coremltools>=4.1 onnx>=1.9.0 scikit-learn==0.19.2  # export requirements

二、导出训练模型

以下命令可以将yolov5模型导出为ONNX,TorchScript格式,这里我们以yolov5s.pt模型为例。

# export.py文件在yolov5目录下
python export.py --weights yolov5s.pt --img 640 --batch 1  # export at 640x640 with batch size 1

输出如下:
请添加图片描述
导出的模型将保存在当前目录,如下截图:
请添加图片描述

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
要将yolov5模型导出为ONNX格式,可以按照以下步骤进行操作: 1. 下载yolov5-6.0代码,可以从GitHub上获取:https://github.com/ultralytics/yolov5/tree/v6.0 \[2\] 2. 打开终端,进入yolov5-6.0目录。 3. 执行命令`python export.py --weights=../yolov5s.pt --dynamic --include=onnx --opset=11`,这将导出yolov5s-raw.onnx文件 \[2\]。 4. 导出的ONNX模型可以在后续的应用中使用。 请注意,导出模型时可以根据需要进行参数的修改,例如指定动态维度为batch,去掉width和height的指定。此外,还可以对yolo.py进行修改,以简化后处理,并将anchor合并到ONNX模型中。预处理部分可以使用warpaffine对图像进行平移和缩放。\[3\] 希望这些信息对您有所帮助! #### 引用[.reference_title] - *1* [YOLOv5模型导出](https://blog.csdn.net/u011922698/article/details/123289954)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [tensorrt高级2:YoloV5 模型导出、编译到推理(源码讲解)](https://blog.csdn.net/weixin_38346042/article/details/126905120)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

icodekang

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
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