YOLOv8模型pytorch格式转为onnx格式的步骤详解
PyTorch YOLOv8模型可通过以下步骤转换为ONNX格式:安装依赖项(PyTorch 1.12+、TorchVision、ONNX)导出PyTorch模型(加载模型、设置评估模式、使用torch.onnx.export导出)优化ONNX模型(使用onnx-simplifier简化、使用onnxruntime优化)加载和推理ONNX模型(加载优化后的模型、提供输入数据、执行推理、获取预测结果)
YOLOv8模型PyTorch转ONNX格式详解
第一步:安装依赖项
pip install onnx torch torchvision
第二步:导出PyTorch模型
import torchfrom torch.onnx import export# 加载模型model = torch.hub.load('ultralytics/yolov5', 'yolov8s')# 设置评估模式model.eval()# 导出模型export(model, torch.rand(1, 3, 640, 640), "yolov8s.onnx", verbose=True)
第三步:优化ONNX模型
# 简化模型pip install onnx-simplifieronnx-simplifier yolov8s.onnx yolov8s-simplified.onnx# 优化模型pip install onnxruntimepython -m onnxruntime.tools.optimizer --input yolov8s-simplified.onnx --output yolov8s-optimized.onnx
第四步:加载和推理ONNX模型
import onnxruntime# 加载模型ort_session = onnxruntime.InferenceSession("yolov8s-optimized.onnx")# 输入数据input_data = torch.randn(1, 3, 640, 640)# 推理ort_inputs = {ort_session.get_inputs()[0].name: input_data.numpy()}ort_outputs = ort_session.run(None, ort_inputs)# 获取预测结果predictions = ort_outputs[0]