pt权重文件转onnx详解(记录)

pt权重转onnx记录

方法

1.一般YOLOv3和YOLOv5 会自带一个权重pt转onnx模型的代码

export.py

export.py在models文件夹中

在这里插入图片描述
2.打开export.py ,我们运行该文件可以通过命令行运行,对照修改argument参数即可
在这里插入图片描述
3.运行命令行如下:

python ./models/export.py --weights ./models/best.pt

weights:指你训练好的权重文件,看你放在哪个文件夹中。

4.导出的onnx文件就会在你best.pt的相同目录当中,你不修改–include参数的话,一般会出现三个文件,分别是torchscript, onnx, coreml。一般onnx和torchscript文件大小为你的pt文件的两倍大小,如果不是2倍大小,那可能就是转错了。

注意:不要进入models文件夹中运行export.py,要不然会报错误,找不到model

  • 14
    点赞
  • 70
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
YOLOv3是一种常用的目标检测算法,而YOLOv3的权重文件可以通过换为ONNX格式来在不同的深度学习框架中使用。下面是将YOLOv3的权重文件换为ONNX格式的步骤: 1. 安装依赖:首先,确保你已经安装了以下依赖项: - PyTorch:用于加载YOLOv3的权重文件和进行模型换。 - ONNX:用于将PyTorch模型换为ONNX格式。 2. 加载YOLOv3权重文件:使用PyTorch加载YOLOv3的权重文件。你可以使用以下代码加载权重文件: ```python import torch # 加载YOLOv3的权重文件 model = torch.load('yolov3.weights') ``` 3. 换为ONNX格式:使用torch.onnx.export函数将PyTorch模型换为ONNX格式。你需要指定输入张量的形状和名称,以及输出ONNX文件的路径。以下是一个示例代码: ```python import torch import torch.onnx as onnx # 加载YOLOv3的权重文件 model = torch.load('yolov3.weights') # 创建一个输入张量 dummy_input = torch.randn(1, 3, 416, 416) # 导出模型为ONNX格式 onnx.export(model, dummy_input, 'yolov3.onnx') ``` 在上述代码中,我们创建了一个形状为(1, 3, 416, 416)的输入张量,并将其命名为dummy_input。然后,我们使用torch.onnx.export函数将模型和输入张量导出为ONNX格式,并将其保存为yolov3.onnx文件。 完成上述步骤后,你就成功将YOLOv3的权重文件换为ONNX格式了。现在,你可以在其他支持ONNX的深度学习框架中使用这个模型。

“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 8
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

奶茶不加冰

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