yolo模型转换torch转onnx再转openvino

总结记录几个版本的yolo导出torch—>onnx—>openvino

1. yolov5
2. yolo-nas
3. yolov9

👇这是我转换出来的最终的openvino模型(yolov5n、yolonas、yolov9c)下载链接
提取码：hgyt百度网盘链接

1、yolov5（已实践验证过，方法可行）

参考官方教程，ultralytics官方文档的方法👇

# 首先进入yolov5文件夹根目录，默认输入[1,3,640,640],默认输出[1,25200,85]
python export.py --weights yolov5s.pt --include onnx

onnx—>openvino，参考这篇文章onnx模型转openvinoIR模型+推理（学习笔记）

2、yolov-NAS（已实践验证过，方法可行）

2.1、安装环境

pip install torch openvino super_gradients

2.2、模型转换（torch—>onnx—>openvino）

import torch
import openvino as ov
from super_gradients.training import models
from super_gradients.common.object_names import Models

# 导入 YOLO-NAS 模型
yolo_nas_model = models.get(Models.YOLO_NAS_S, pretrained_weights='coco')
yolo_nas_model.eval()

# 定义输入尺寸
input_shape = (1, 3, 640, 640)  # 根据模型的输入尺寸设定

# 创建一个虚拟输入张量
dummy_input = torch.randn(input_shape)

# 导出模型为 ONNX 格式
onnx_path = 'yolo_nas.onnx'
torch.onnx.export(yolo_nas_model, dummy_input, onnx_path, export_params=True, opset_version=11)

# 转换 ONNX 模型为 OpenVINO 格式
ov_model = ov.convert_model(onnx_path)

# 保存 OpenVINO 模型
ir_path = 'yolo_nas.xml'
ov.save_model(ov_model, ir_path)

print("OpenVINO IR model saved to:", ir_path)

3、yolov9（已实践验证过，方法可行）

3.1、torch—>onnx，参考这篇文章关于yolov9导出onnx教程以及问题解决

3.2、onnx—>openvino，参考这篇文章onnx模型转openvinoIR模型+推理（学习笔记）