【PyACL系列 01】昇腾（Ascend）yolov7模型迁移指导

原创已于 2023-07-13 09:48:39 修改 · 2.5k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#迁移学习

于 2022-10-31 11:11:26 首次发布

推理开发专栏收录该内容

12 篇文章

订阅专栏

该博客主要介绍Yolov7模型推理的实现步骤。首先进行环境准备，提供Acllite、Yolov7源码及模型的下载链接，还提及Torch与ONNX的CPU版本。接着阐述推理跑通流程，包括将源码放于同一位置、Pt文件转onnx文件、模型转换、修改detect.py源码，最终实现模型跑通。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、环境准备

Acllite下载：

https://gitee.com/ascend/samples/tree/master/python/common

Yolov7源码：

https://github.com/WongKinYiu/yolov7

Yolov7模型：

https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pt

Torch & ONNX CPU版本

torch                        1.12.1
torchaudio                   0.12.1
torchvision                  0.13.1
onnx                         1.12.0
onnxconverter-common         1.12.2
onnxmltools                  1.11.1
onnxruntime                  1.12.1

二、推理跑通

1、把Acllite & Yolov7源码放在服务器同一个位置

2、 Pt文件转onnx文件

在yolov7-main目录下执行：

python3 export.py --weights yolov7.pt --grid --simplify --topk-all 100 --img-size 640 640 --max-wh 640

3、模型转换

atc \
  --model=./yolov7.onnx \
  --framework=5 \
  --output=./yolov7_bs1 \
  --input_format=NCHW \
  --input_shape="images:1,3,640,640"  \
  --soc_version=Ascend310P3 \
  --log=info

4、源码修改

只需要修改detect.py文件

def detect(save_img=False):上增加

# Load model下增加

# Inference下增加

仅需增加以上黄色部分代码即可

5、模型跑通

python3 detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --device cpu --source inference/images/horses.jpg