YOLOv11模型PT转NCN全流程。

YOLOv11模型PT文件转NCNN全流程

YOLOv11作为YOLO系列的最新变种，其高效的检测性能备受关注。将PyTorch模型转换为NCNN格式可显著提升移动端和嵌入式设备的部署效率。以下是完整的转换流程和优化方法。

---

环境准备

安装必要的工具链是转换的基础。需要PyTorch 1.8以上版本、NCNN最新代码库和ONNX 1.13.0以上版本。通过pip安装依赖库：

pip install torch>=1.8 onnx>=1.13.0 onnx-simplifier
git clone https://github.com/Tencent/ncnn.git
cd ncnn && mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=Release ..
make -j8

验证环境是否正常：

import torch
print(torch.__version__)  # 应输出1.8.0+

---

PyTorch到ONNX转换

加载YOLOv11的PT模型并转换为ONNX格式是关键步骤。假设模型文件为yolov11.pt，执行以下Python代码：

import torch
model = torch.load('yolov11.pt', map_location='cpu')['model'].float()
model.eval()

dummy_input = torch.randn(1, 3, 640, 640)
torch.onnx.export(
    model,
    dummy_input,
    'yolov11.onnx',
    opset_version=12,
    input_names=['images'],
    output_names=['output'],
    dynamic_axes={
        'images': {0: 'batch', 2: 'height', 3: 'width'},
        'output': {0: 'batch'}
    }
)

使用ONNX Simplifier优化模型结构：

python -m onnxsim yolov11.onnx yolov11-sim.onnx

检查输出节点是否正常：

onnxruntime-tools model