pt 模型转onnx 到ncnn部署

已于 2023-07-31 14:47:56 修改
阅读量1k 收藏 3
点赞数
CC 4.0 BY-SA版权
分类专栏： ai模型搭建，平台部署课程 文章标签： 算法
于 2023-05-30 14:40:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/monk96/article/details/130948035
本文介绍了如何将PT模型，特别是Yolov5，转换为ONNX格式，并通过在线工具转化为NCNN模型。在转换过程中可能会遇到不支持的操作，需要自行查找资料解决。接着，文章简要讨论了模型简化和基于NCNN的部署策略，适用于实际应用的需求。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

了解本专栏 订阅专栏 解锁全文 超级会员免费看
35、基于shufflenetv2分类模型修改和onnx模型转化，以及ncnn模型部署
sxj731533730
01-04 2081
基本思想：使用简单的shufflenetv2进行分类，然后转成onnx，部署ncnn上 一、代码fork别的大佬的
pt模型转onnx模型，onnx模型转engine模型，pt模型转engine模型详细教程（TensorRT，jetpack）
Mintary的博客
08-02 3080
背景是需要在nvidia jetpack4.5.1的arm64设备上跑yolov8,用TensorRT加速，需要用*.engine格式的模型，但是手头上的是pt格式模型，众所周知小板子的内存都很小，连安装ultralytics依赖库的容量都没有，所以我想到在windows系统上先把模型转好，然后再直接放在板子上用。
Pytorch转onnx、torchscript方式
12-17
前言 本文将介绍如何使用ONNX将PyTorch中训练好的模型(.pt、.pth)型转换为ONNX格式，然后将其加载到Caffe2中。需要安装好onnx和Caffe2。 PyTorch及ONNX环境准备 为了正常运行ONNX，我们需要安装最新的Pytorch,你可以选择源码安装： git clone --recursive https://github.com/pytorch/pytorch cd pytorch mkdir build && cd build sudo cmake .. -DPYTHON_INCLUDE_DIR=/usr/include/python3.6 -DUSE_MP
YOLOV5（二）：将pt转为onnx模型并用opencv部署
abandononeself的博客
07-28 6158
将yolov5s训练的火焰数据的pt权重改为可用opencv识别的onnx。
yoloV5-6.1训练的pt模型转换为onnx模型
最新发布
haiyangmeng的博客
05-23 547
本文详细介绍了从YOLOv5模型训练到在树莓派4上测试的完整流程。首先，通过Anaconda和PyCharm配置环境，并准备数据集进行YOLOv5模型训练。接着，使用export.py脚本将训练好的.pt模型转换为.onnx格式。然后，安装OpenVINO库及其开发工具，利用模型优化器将.onnx模型转换为适用于OpenVINO的.bin和.xml格式。最后，计划在树莓派4上进行模型测试。整个过程涵盖了环境搭建、模型训练、格式转换及部署测试，为YOLOv5模型的开发和应用提供了全面的指导。
YOLO模型的.pt文件转换为ONNX格式
fcgmqty的专栏
11-01 3773
如果你的Linux系统支持NVIDIA GPU，可以使用 TensorRT 将 ONNX 模型转换为 TensorRT 引擎文件（通常为 .bin 或 .engine），以便在 GPU 上加速推理。在将YOLO的ONNX模型转换为二进制的.bin文件并部署到Linux中运行，可以借助OpenVINO或TensorRT等工具完成。转换后的.engine文件可以通过TensorRT的API在Linux环境中运行，也可以在C++或Python代码中加载TensorRT引擎文件来执行推理。
pt模型转ncnn模型
蜗牛牛的博客
02-26 1054
修改模型 注意不是看行号。3.onnx转ncnn。
可视化工具 netron & pt 转 onnx 格式
weixin_41258131的博客
08-25 8365
Netron 是一个开源的网络可视化工具，可以帮助开发人员和数据科学家可视化、理解和调试深度学习模型。
pt和onnx和ncnn之间的转换以及避坑
qq_65356682的博客
04-17 9432
这个转化比较简单python里就可以这个文件yolov5-5.0>models>export.py下面那个根据自己的环境修改，环境是你yolov5运行的环境cpu就填cpu gpu就填 0修改好后运行有可能需要下载onnx包 直接pip。
pt转onnx转ncnn模型（yolov8部署安卓）
d74198的博客
12-19 1052
我使用的yolov8代码的版本是ultralytics-8.0.50，使用较新的版本会导致模型转换后有很多问题，亲自踩坑。找到Detect下的forward函数这样修改（yolov8——detect这样修改，分割项目不是）编译完成进入build文件夹在这里可以实现转换模型 （找到onnx2ncnn可执行文件）转之前要进行对/ultralytics/nn/modules.py中的代码进行修改。笔者使用的脚本代码进行转换（比较推荐，否则转换ncnn可能有问题）在部署中遇到了若干问题，在此进行记录。
MODNet官方onnx及其转换的ncnn模型、NCNN量化后模型
04-01
总的来说，这个压缩包提供了MODNet模型在不同阶段和形式的版本，从原始的ONNX格式到适用于ncnn的量化模型，展示了深度学习模型从训练到部署的过程。对于开发者而言，这些资源可用于在ncnn平台上进行模型测试、性能...
YOLOV8 + onnx转ncnn 部署到安卓APP上的配置流程
03-20 984
官方的这个demo比较老，所需依赖版本不能太新，固而只需要把这几个地方配置正确，就能把官方的这个项目跑起来了！部署过程出现的问题，很多都是依赖包不兼容的问题，只需要根据日志信息不断的调整依赖包的版本就可以了。以下是我本地部署的配置信息和依赖包版本信息的截图。我们使用开源的安卓项目来修改。
yolov5转化成onnx的模型和 NCNN模型
08-05
7. **部署与推理**：最后，将优化后的ncnn模型部署到目标设备上，编写相应的C++代码进行推理。NCNN提供了丰富的API接口，方便开发者快速集成到自己的应用中。 转换过程中需要注意的是，不同版本的YOLOv5可能有不同...
将pt文件转换成onnx文件
A1983Z的博客
11-04 3062
将pt文件转化为onnx文件
NCNN环境部署及yolov5pt转ncnn模型转换推理
小星博博的博客
12-26 2411
直接下载发行版本的完整代码，然后解压，用以下命令编译，自行替换Protobuf的编译路径，其中DNCNN_VULKAN=ON表示不使用Vunlkan加速。yolov5s v6.2训练的pt模型，直接导tourchscript，然后时候ncnn里面的pnnx工具直接转换为ncnn。1.安装vunlkan 1.2.198.1版本，记得配置环境变量。2.安装Protobuf3.20.0版本。该内容还未完整，笔记内容，后期补充。
yolov5 pt转成nccn_yolov5
funBox的专栏
10-30 716
python版本为Python 3.8.0，需要安装对应的版本包，torch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0。1. 下载yolov5仓库，git clone。4、进入到ncnn目录下执行以下命令。输出name有353和367。2. pt转onnx。
3、yolov5 将pt 模型转换成ncnn模型
热门推荐
roujian0985的博客
03-14 1万+
使用yolov5对训练模型（.pt）进行转换成中间模型
pt转onnx
目标检测、LLM相关
03-30 6048
pt模型转onnx模型完整流程
2、TensorRT学习笔记之PT转ONNX、可视化ONNX
NOZhengYuan的博客
04-23 2332
主要讲解Pt权重转ONNX过程代码，以及如何可视化ONNX查看模型信息。
yolo的模型转换权重pt文件转onnx
08-25
要将YOLO的模型转换为权重pt文件转换为ONNX格式，你需要按照以下步骤进行操作： 1. 首先，使用PyTorch将权重pt文件加载到模型中。 2. 然后，使用torch.onnx.export()函数将PyTorch模型转换为ONNX模型。你需要指定输入张量的形状，并将输出的ONNX模型保存到磁盘上的一个文件中。 3. 接下来，你需要使用onnx2ncnn工具将ONNX模型转换为ncnn模型。onnx2ncnn是一个开源的工具，它可以将ONNX模型转换为ncnn的二进制文件和参数文件。你需要在命令行中使用onnx2ncnn工具，并提供ONNX模型文件的路径以及输出ncnn模型文件的路径。 4. 在转换过程中，你需要注意指定模型的输入和输出张量的名称和形状。你可以在转换脚本或命令行中进行设置，确保输入和输出与原始模型的定义相匹配。 5. 最后，你可以将生成的ncnn模型部署到手机端（安卓、iOS）上进行推理和应用。 请注意，在进行模型转换的过程中，确保路径和文件名的正确性，并根据你自己的环境和需求进行相应的设置。 <span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [yolo的模型转换权重pt文件转onnx（1）](https://blog.youkuaiyun.com/m0_60657960/article/details/129404179)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [yolo的模型转换权重onnx文件转ncnn（2）](https://blog.youkuaiyun.com/m0_60657960/article/details/129405561)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

东哥aigc

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

实付元
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