🏡博客主页: virobotics(仪酷智能):LabVIEW深度学习、人工智能博主
🎄所属专栏:『奇怪问题及bug解决』
📑推荐文章:『LabVIEW人工智能深度学习指南』
🍻本文由virobotics(仪酷智能)原创🥳欢迎大家关注✌点赞👍收藏⭐留言📝订阅专栏
文章目录
大家好,这里是仪酷智能 VIRobotics。
最近在做 OCR 模型部署时,计划使用 PaddleOCR 训练好的模型转换为 ONNX 格式,便于后续使用LabVIEW做跨平台部署。
PaddleOCR 官方推荐使用 paddle2onnx
工具进行模型转换。然而,在实际操作中却踩到了版本兼容的大坑。本文记录完整的错误信息、分析过程及解决办法,帮助大家少走弯路。
🧪 报错信息复现
在执行以下命令时:
paddlex \
--paddle2onnx \ # 使用paddle2onnx功能
--paddle_model_dir /your/paddle_model/dir \ # 指定 Paddle 模型所在的目录
--onnx_model_dir /your/onnx_model/output/dir \ # 指定转换后 ONNX 模型的输出目录
--opset_version 7 # 指定要使用的 ONNX opset 版本
出现了如下错误:
ValueError: The paddlepaddle version should not be less than 3.0.0.dev20250426. Please install the latest paddle: python -m pip install --pre paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu/, more information: https://www.paddlepaddle.org.cn/install/quick?docurl=undefined
Paddle2ONNX conversion failed with exit code 1
🔍 问题分析
从错误日志来看,根本原因是:当前安装的 PaddlePaddle 版本过低,不符合 paddle2onnx
对版本的要求。
✅ 当前版本:
Requirement already satisfied: paddlepaddle in d:\program files\python38\lib\site-packages (3.0.0)
虽然是 3.0.0,但注意!这是 正式版,而报错中要求的是:
paddlepaddle version should not be less than 3.0.0.dev20250426
也就是说:paddle2onnx
要求 nightly 版本(开发版) 的 PaddlePaddle,而不是正式版(当然,官方里的教程指导大家安装的是正式版)。
✅ 解决办法:安装 nightly 开发版
强制重新安装 nightly 开发版 PaddlePaddle:
python -m pip install --upgrade --force-reinstall --pre paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu/
🧹 附加问题说明
1️⃣ WARNING: Ignoring invalid distribution -orch
这是由于 Python 环境中残留的某些不完整安装包(如 PyTorch)导致的警告。可以用以下命令清除:
pip uninstall -y torch
pip install torch # 如果仍需使用 PyTorch
2️⃣ No ccache found 提示
这只是提示你可以使用 ccache
来加快编译速度,不影响模型转换,可忽略或按需安装。
✅ 成功验证
重新安装 nightly 开发版后,再次运行 paddle2onnx 命令:
paddlex \
--paddle2onnx \ # 使用paddle2onnx功能
--paddle_model_dir /your/paddle_model/dir \ # 指定 Paddle 模型所在的目录
--onnx_model_dir /your/onnx_model/output/dir \ # 指定转换后 ONNX 模型的输出目录
--opset_version 7 # 指定要使用的 ONNX opset 版本
可以成功输出:
Paddle2ONNX conversion done.
🎯总结
通过以上步骤,你可以成功导出paddleocr为onnx模型。后续我们将为大家分享paddleocr在LabVIEW的部署。 如果您有任何问题或建议,欢迎随时联系我们,我们会继续努力。
以上就是今天要给大家分享的内容,希望对大家有用。如有笔误,还请各位及时指正。后续我们将为大家更新更多关于AI模型在LabVIEW的部署案例,欢迎大家关注博主。我是virobotics(仪酷智能),我们下篇文章见~
如您想要探讨更多关于LabVIEW与人工智能技术,欢迎加入我们的技术交流群:705637299。进群请备注:仪酷智能
更多内容可查看:
- 仪酷智能官网:https://www.virobotics.net/
- 微信公众号:仪酷智能科技
- B站:仪酷智能
- 邮箱:info@virobotics.net
如果文章对你有帮助,欢迎✌关注、👍点赞、✌收藏、👍订阅专栏
推荐阅读
AI Vision Toolkit for LabVIEW重磅升级:2.0版本支持本地部署DeepSeek R1
【YOLOv5】LabVIEW+TensorRT的yolov5部署实战(含源码))
【YOLOv5】手把手教你使用LabVIEW ONNX Runtime部署 TensorRT加速,实现YOLOv5实时物体识别(含源码)
【YOLOv8】实战一:手把手教你使用YOLOv8实现实时目标检测
【YOLOv8】实战二:YOLOv8 OpenVINO2022版 windows部署实战
【YOLOv8】实战三:基于LabVIEW TensorRT部署YOLOv8
【YOLOv9】实战一:在 Windows 上使用LabVIEW OpenVINO工具包部署YOLOv9实现实时目标检测(含源码)
【YOLOv9】实战二:手把手教你使用TensorRT实现YOLOv9实时目标检测(含源码)
【YOLOv11】实战一:在LabVIEW 中使用OpenVINO实现YOLOv11
👇技术交流 · 一起学习 · 咨询分享,请联系👇