yolov3转onnx和原来torch的预测结果一致

1.想做的事情: yolov3的pth模型转成onnx，并用opencv调用
2. 原因: 希望不引入深度学习的框架，编译tensorflow谁编译谁懂！而且包文件也会小

做法:
1.参考大神的思路: 将yolov3的三个特征图输出重写，输出格式为xyxy，将upsample用转置卷积重写
2. yolov3训练的时候用新的网络正常训练，测试的时候np.concatenate三个特征图的输出去预测，这两个结果验证过是一样的
3. 想做的事: 将网络输出的pth模型转成onnx, 对onnx模型预测
4. 问题: onnx预测结果和3出来的不一样，框稀疏的地方结果一致，框比较密的地方会多框，且onnx出来的conf会比3出来的大些
2021年3月25更新：
遇到4这种问题从nms那边着手考虑，这是很典型的nms问题！
我出现这种问题的原因是yolov3网络里的nms那边的iou是giou，onnx那边用numpy写的原始iou，重新改成giou就一致了！