yolov5 onnx推理报错

最新推荐文章于 2025-09-27 12:46:01 发布
原创 最新推荐文章于 2025-09-27 12:46:01 发布 · 3.8k 阅读 · 2 ·
CC 4.0 BY-SA版权
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。
文章标签：

#python

运行yolov5推理onnx文件时报错：

onnxruntime.capi.onnxruntime_pybind11_state.InvalidArgument: [ONNXRuntimeError] : 2 : INVALID_ARGUMENT : Got invalid dimensions for input: images for the following indices
 index: 0 Got: 1 Expected: 16
 Please fix either the inputs or the model.

onnxruntime运行出错：

        预期获取16，实际获取1

yolov5 .pt文件转.onnx文件

解决方案：

        yolov5中export.py导出.onnx文件

  parser.add_argument('--include',

将输出模型改为ONNX即可运行export.py自动导出文件

最低0.47元/天 解锁文章
wsfeimo
关注
YOLOV5-Face转float16的onnx模型推理报错
weixin_42155583的博客
09-08 2233
yolov5_face转float16精度, 推理报错onnxruntime.capi.onnxruntime_pybind11_state.Fail: [ONNXRuntimeError] : 1 : FAIL : Load model from checkpoints/yolov5s-face.onnx failed:Type Error: Type parameter (T) of Optype (Concat) bound to different types (tensor(float) and
ONNXRuntimeError Concat类型不匹配
zhang2362167998的博客
04-20 1502
onnx cat类型不匹配
解决 [ONNXRuntimeError] : 1 : FAIL Non-zero status code returned
05-16
pytorch转onnx模型后，对onnx模型进行runtime时提示以下错误，具体细节如下： onnxruntime.capi.onnxruntime_pybind11_state.Fail: [ONNXRuntimeError] : 1 : FAIL : Non-zero status code returned while running FusedConv node. Name:'Conv_461_Add_463_Relu_464' Status Message: CUDNN error executing cudnnSetTensorNdDescriptor(tensor_, dataType, static_cast<int>(rank), dims.data(), strides.data())。 pdf文件中是对该错误的解决思路。
Python：ImportError:DLL loadfailed while importing onnxruntime_pybind11_state: 动态链接库(DLL)初始化例程失败 报错解决
最新发布
2403_87969572的博客
09-27 1513
摘要：本文针对onnxruntime库在文件夹人脸识别项目中出现的版本兼容性问题，提供了五种解决方案。核心解决方法是降级onnxruntime-gpu至1.14.1版本，并附带了配套库版本参考（onnx1.12.0、numpy1.26.4等）。其他方案包括重装onnxruntime、排查GPU/CPU版本冲突、安装Visual C++ 2019组件，以及创建Python3.9.19的conda纯净环境。作者通过方法1成功解决问题，方案5引用自外部技术博客，为类似DLL初始化失败错误提供了系统级解决思路。（1
python onnxruntime DLL load failed: 找不到指定的模块
weixin_45091564的博客
04-16 4844
报错：ImportError: DLL load failed while importing onnxruntime_pybind11_state: 找不到指定的模块。这个错误通常是因为缺少onnxruntime_pybind11_state.dll文件或者没有正确安装onnxruntime库导致的。1.8.0版本，升级pip再重装ddddocr均无效。一般是缺少微软运行库环境，在安装ddddocr。
Yolov5-v5.0 导出onnx推理结果完全错误
ls200013的博客
07-17 4588
楼主研究生在读，在搞模型部署方面的研究，记录一些遇到的问题。 最近使用yolov5-v5.0时。用官方yolov5s.pt权重文件并利用expor.pyt文件导出onnx时，虽然能够导出onnx模型但其onnx模型经实测输出是错误的，网上没搜到解决方案，所以楼主发文记录，有帮助欢迎点赞收藏。
onnx 推理报错：onnxruntime.capi.onnxruntime_pybind11_state.Fail: [ONNXRuntimeError] : 1 : FAIL : Load mo
m0_71816999的博客
04-02 7326
有可能是你转换的是gpu但是推理是cpu，因此卸载cpu版本，重新安装gpu版本。onnx 模型不匹配。
yolov5 onnx推理时报错[ONNXRuntimeError] : 2 : INVALID_ARGUMENT : Unexpected input data type.
zjulkw的博客
07-21 1078
yolov5 onnxruntime 推理报错
pytorch yolov5 onnx推理
anny_jra的博客
12-15 7603
yolov5 转换onnx gpu推理图片
基于python的tensorrt int8 量化yolov5 onnx模型实现
03-26
本教程将详细介绍如何使用Python和TensorRT对YOLOv5 ONNX模型进行INT8量化，以提升其在实际应用中的性能。 首先，我们需要了解YOLOv5和ONNX。YOLOv5是一种流行的实时目标检测模型，基于Yolo（You Only Look Once）...
yolov5导出onnx转engine推理
mdd优快云的博客
02-22 1992
使用上述文章中的代码ONNX转engine速度较慢， engine_file_path需要给出具体名称，如：yolov5_my.engine。pt转engine是先转ONNX，然后再到engine。将TensorRT的的lib加入环境变量中。需要提供配置文件和权重文件，不然导出模型不能正常推理。在win11系统环境path添加。
【bug】解决yolov5模型转换后，模型推理结果不一致问题
kao_lengmian的博客
09-02 8150
yolov5在模型转换后，推理输出结果与原pt模型偏差较大，是因为参数变化导致的，需要手动指定
Yolov5在ONNXRuntime上的推理实现
m0_46303486的博客
04-03 5366
这段时间部署Yolov5系列模型，想着先使用ONNXRuntime运行一下转换后的onnx模型，但是看着官方给出的detect.py，我陷入了沉思。我是真的不想抠代码！于是乎，秉承着程序猿的优良传统，我打开了百度。结果可想而知，不然你也不会看到我的文章了。草草看了一下，大部分是就给出一部分代码，然后告诉你后处理的部分源码里都有............拜托，我就是不想抠源代码才来百度的啊，哎，还是要靠自己抠代码啊。
onnx python 推理错误
博观约取，厚积薄发
01-14 3460
ValueError: could not broadcast input array from shape (150528,) into shape (602112,) [TensorRT] ERROR: 1: [hardwareContext.cpp::terminateCommonContext::141] Error Code 1: Cuda Runtime (invalid device context) [TensorRT] INTERNAL ERROR: [defaultAllocator.c
yolov5导出onnx模型后，验证模型报错
weixin_45493537的博客
11-03 1241
如何解决导出onnx报错，并正确的导出onnx模型
pth转ONNX模型结果不一致
qq_31638535的博客
01-12 5363
模型转换
yolov5模型转到TensorRT中推理（踩坑踩到吐血）
热门推荐
卟灵卟灵哒的博客
09-18 1万+
方法一 pt转onnx，onnx转到TensorRT 1.pt转onnx pytorch自带的函数 import torch from models.yolo import Model import onnx nc = 37 device = torch.device('cuda:0') ckpt = torch.load(r'E:\yolov5-master\runs\exp0\weights\best.pt', map_location=device) # 加载模型 model = Model(r'
YOLOv5 pt转为onnx
qq_45834106的博客
01-19 2551
使用onnx模型的时候，很反常，打印出来的使用设备是GPU，但是我查看GPU时GPU的利用率是零，并且速度很慢，应该是使用CPU跑的。然后我发现有一个叫dnn的东西可以和onnx配合着使用，我就尝试了一下，此时onnx模型的前向推理速度是1s一张图。运行下面的代码安装onnx相关的环境，按照自己的设备进行选择。所以应该是onnx和cuda、cudnn的版本没对上，重新装就好了。是没办法安装好onnx环境的。看到这里，在我只能说yolov5的作者真的太贴心了。下面是5x的一些实验，均开启了半精度。
[ONNXRuntimeError] : 2 : INVALID_ARGUMENT : Got invalid dimensions for input: image for the followin
二爷的博客
03-08 4824
onnx模型测试，遇到一下问题…
yolov5推理报错
03-19
### YOLOv5 ONNX推理报错解决方案 YOLOv5在进行ONNX推理时可能会遇到`onnxruntime.capi.onnxruntime_pybind11_state.InvalidArgument`错误，提示输入维度不匹配。具体表现为模型期望的输入尺寸与实际提供的输入尺寸不符[^1]。 #### 错误分析 该错误的核心在于模型定义中的输入张量形状与实际传入的数据形状存在差异。例如，在某些情况下，模型可能被配置为接受批量大小为16的输入数据，而推理过程中仅提供了一个样本作为输入（即批量大小为1）。这种不一致会引发上述错误。 #### 解决方法 以下是几种常见的解决策略： 1. **调整模型输入形状** 修改导出ONNX模型时指定的输入形状参数，使其更灵活地支持动态批量处理或单样本推理。可以通过设置`dynamic_axes`来实现这一点。例如： ```python import torch from models.experimental import attempt_load # 加载YOLOv5模型 model = attempt_load('yolov5s.pt', map_location=torch.device('cpu')) # 导出ONNX模型并启用动态轴 dummy_input = torch.zeros(1, 3, 640, 640) # 输入张量 (batch_size=1, channels=3, height=640, width=640) torch.onnx.export( model, dummy_input, "yolov5s_dynamic.onnx", opset_version=12, do_constant_folding=True, input_names=['images'], output_names=['output'], dynamic_axes={'images': {0: 'batch_size'}, # 动态批量大小 'output': {0: 'batch_size'}} ) ``` 2. **验证ONNX模型结构** 使用工具如`netron`可视化ONNX模型，确认其输入节点的确切名称和预期形状是否正确。如果发现模型输入层硬编码了特定批次大小，则需重新训练或转换模型以适应不同需求。 3. **修改推理脚本** 如果无法更改已有的ONNX文件，可以尝试调整推理代码中传递给模型的数据形式。比如将单一图片扩展成符合要求的多维数组后再送入网络计算。 ```python import numpy as np image = ... # 原始图像读取操作省略 resized_image = cv2.resize(image, (640, 640)) / 255.0 # 调整分辨率至640x640并归一化像素值范围到[0,1] # 构造满足批处理规格的四维Tensor batched_data = np.expand_dims(resized_image.transpose((2, 0, 1)), axis=0).astype(np.float32) session.run(["output"], {"images": batched_data}) ``` 通过以上措施之一或者组合应用它们通常能够有效缓解乃至彻底消除此类异常状况的发生概率。 ```python import onnxruntime as ort session = ort.InferenceSession("yolov5s_dynamic.onnx", providers=["CPUExecutionProvider"]) input_name = session.get_inputs()[0].name print(f"Input name: '{input_name}'") # 应打印出'images' ```
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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
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