保姆级教程 - atlas500部署yolov3-tiny检测实时视频流 [2] - yolov3-tiny模型转换到om模型

该博客详细介绍了如何在Atlas500上部署YOLOv3-tiny模型，用于实时视频流的目标检测。内容包括权重转换为ckpt，模型固化为pb，ATC模型转换成om模型的过程，以及AIPP和DVPP预处理算子的介绍。博主强调了确定模型输入输出节点的重要性，并提供了相关工具和资源链接。

保姆级教程 - atlas500部署yolov3-tiny检测实时视频流 [2] - yolov3-tiny模型转换到om模型

接上文 ->

内网环境下docker部署atlas500 开发环境 [踩坑记录]

文章目录

- - 保姆级教程 - atlas500部署yolov3-tiny检测实时视频流 [2] - yolov3-tiny模型转换到om模型
  - - 2、yolov3-tiny转换到om模型

后续开发需要很多华为atlas官方的知识，版本迭代较快，我们应该以官方文档为主：https://support.huaweicloud.com/adevg-atlas500app/atlas500development_01_0001.html

还有对应cann版本的推理、训练文档：昇腾CANN社区版(5.0.4.alpha002)(训练)、昇腾CANN社区版(5.0.4.alpha002)(推理)
请添加图片描述

2、yolov3-tiny转换到om模型

本文采用darknet原生的yolov3-tiny进行训练：https://pjreddie.com/darknet/ ，训练过程在此不再介绍

由于训练出的模型是weights，而atlas CANN目前对tensorflow、yolov3支持最好。(yolov5目前暂不支持使用) 详看模型支持列表：https://support.huaweicloud.com/ug-mfac-mindxsdk201/atlasmx_02_0129.html

而CANN的atc模型转换，也主要支持tf和caffe。本文采用weight -> ckpt ->pb -> atc转换为om模型的方案

（1）weight -> ckpt

从weight模型提取出ckpt权重。

借助项目: https://github.com/mystic123/tensorflow-yolo-v3

通过convert_weights.py提取ckpt权重，其中可指定yolov3 或 yolov3-tiny：

其中，本文使用tf1.15，通过浏览一些样例发现tf1.15应该是目前支持最好的

# -*- coding: utf-8 -*-
import tensorflow as tf
import yolo_v3
import yolo_v3_tiny
from utils import load_coco_names, load_weights

FLAGS = tf.app.flags.FLAGS

tf.app.flags.DEFINE_string(
    'class_names', './model/voc.names', 'File with class names')
tf.app.flags.DEFINE_string(
    'weights_file', './model/yolov3-tiny.weights', 'Binary file with detector weights')
tf.app.flags.DEFINE_string(
    'data_format', 'NHWC', 'Data format: NCHW (gpu only) / NHWC')
tf.app.flags.DEFINE_bool(
    'tiny', True, 'Use tiny version of YOLOv3')
tf.app.flags.DEFINE_bool(
    'spp', False, 'Use SPP version of YOLOv3')
tf.app.flags.DEFINE_string