2.1 KiB

Raw Blame History

MMYOLO 模型 ONNX 转换

环境依赖

onnx
```
pip install onnx
```
onnx-simplifier (可选，用于简化模型)
```
pip install onnx-simplifier
```

使用方法

模型导出脚本用于将 MMYOLO 模型转换为 onnx 。

参数介绍:

config : 构建模型使用的配置文件，如 yolov5_s-v61_syncbn_fast_8xb16-300e_coco.py 。
checkpoint : 训练得到的权重文件，如 yolov5s.pth 。
--work-dir : 转换后的模型保存路径。
--img-size: 转换模型时输入的尺寸，如 640 640。
--batch-size: 转换后的模型输入 batch size 。
--device: 转换模型使用的设备，默认为 cuda:0。
--simplify: 是否简化导出的 onnx 模型，需要安装 onnx-simplifier，默认关闭。
--opset: 指定导出 onnx 的 opset，默认为 11 。
--backend: 指定导出 onnx 用于的后端 id，ONNXRuntime: 1, TensorRT8: 2, TensorRT7: 3，默认为1即 ONNXRuntime。
--pre-topk: 指定导出 onnx 的后处理筛选候选框个数阈值，默认为 1000。
--keep-topk: 指定导出 onnx 的非极大值抑制输出的候选框个数阈值，默认为 100。
--iou-threshold: 非极大值抑制中过滤重复候选框的 iou 阈值，默认为 0.65。
--score-threshold: 非极大值抑制中过滤候选框得分的阈值，默认为 0.25。

例子:

python ./projects/easydeploy/tools/export.py \
	configs/yolov5/yolov5_s-v61_syncbn_fast_8xb16-300e_coco.py \
	yolov5s.pth \
	--work-dir work_dir \
    --img-size 640 640 \
    --batch 1 \
    --device cpu \
    --simplify \
	--opset 11 \
	--backend 1 \
	--pre-topk 1000 \
	--keep-topk 100 \
	--iou-threshold 0.65 \
	--score-threshold 0.25

然后利用后端支持的工具如 TensorRT 读取 onnx 再次转换为后端支持的模型格式如 .engine/.plan 等

2.1 KiB Raw Blame History Unescape Escape

MMYOLO 模型 ONNX 转换

环境依赖

使用方法

参数介绍:

2.1 KiB

Raw Blame History