onnx模型部署修改（onnx模型结构查看）

根据引用[1]中提供的信息，您可以按照以下步骤将

yolo

v5训练出来的.

pt 模型 转换

为.

onnx

格式：

1. 在Ubuntu服务器上训练完

模型

并得到

best

.

pt 文件

。

2. 在Windows系统下进行

模型 转换

为.

onnx

格式的操作。

3. 首先备份

export

.

py 文件

，并进行

修改

。

4. 打开chen

export

.

py 文件

，找到并

修改 模型

位置的参数。将参数`--weights`的默认值

修改

为您的

best

.

pt 文件

的路径，例如`--weights='https://blog.csdn.net/weixin_/article/chenresult/

best

.

pt

'`。

5.

运行 修改

后的

export

.

py 文件

，执行

转换

操作。

6. 在

运行

过程中，将会生成一个.

onnx 文件

，即

转换

后的

模型

。

请注意，以上步骤仅适用于

yolo

v5

模型

的

转换

，如果您使用的是其他

模型

，请参考相应的

转换

方法。

引用[.reference_title]

- *1*

yolo

v5训练的结果

转

为

onnx

[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatg

pt

_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatg

pt

"}} ] [.reference_item]

[ .reference_list ]

到此这篇onnx模型部署修改（onnx模型结构查看）的文章就介绍到这了,更多相关内容请继续浏览下面的相关 推荐文章，希望大家都能在编程的领域有一番成就！

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/hd-yjs/71193.html