当前位置: 首页 > news >正文

YOLOV8训练好的torch模型转换成ONNX、OM格式

一、pt 转 ONNX 格式

from ultralytics import YOLO model = YOLO("runs/detect/train/weights/best.pt") # load a custom trained model model.export(format="onnx", dynamic=False, simplify=True, opset=11)

注意:export中的参数 opset=11,指定导出的ONNX模型版本版本。版本太高可能会在下一步ONNX转 om 时报错!报错如下:

二、ONNX 模型转 om 格式

前提需要自己下好CANN安装包,安装教程:快速安装CANN-从这里开始-CANN社区版8.0.RC2.alpha003开发文档-昇腾社区 (hiascend.com)https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/80RC2alpha003/quickstart/quickstart/quickstart_18_0005.html

按照以下设置为例子:

atc --model=best.onnx --framework=5 --output=best --input_shape="images:1,3,640,640" --soc_version=Ascend310

--model:参数为onnx模型的路径

--output:参数为导出模型的路径

--soc_version:你的处理器型号

--framework:“5” 表示ONNX格式

出现以下提示表示成功:

ATC run success, welcome to the next use.
http://www.jsqmd.com/news/497474/

相关文章:

  • SuperEasy Local RAG高级配置:自定义Ollama模型与查询优化技巧
  • 探索前沿开发利器:CodeGPT.nvim
  • Jetpack - Room
  • 如何快速部署awesome-DeepLearning:从模型训练到生产环境的完整指南
  • 深度解析SpoofCheck:网络身份验证的新防线
  • 汽车报文中:数据存储的大端序
  • vue截取字符串(商城系统非常常用的小知识)
  • 如何从零开始DIY菠萝狗:Py-Apple Quadruped Robot硬件组装教程
  • 基于JS实现的鸿蒙游戏——二十四点纸牌
  • Alchemy 微服务框架:构建高可用、智能负载均衡的系统
  • 快速汇总公司产品涉及的项目(服务、站点) 查看本机监听的端口 | 查看监听的端口及其关联的服务
  • Py-Apple Dynamics V6.8固件烧录与基础配置完全指南
  • 国产MEMS加速度计怎么选?7家头部企业竞争力分析与应用指南 - 深度智识库
  • Unity-Editor扩展Odin + 自定义EditorWindow记录 + 加载PSD的Preview
  • 爬虫 APP 逆向 ---> 粉笔考研
  • 实验室氢气发生器技术解析与品牌价值:从选型指南到瑞能、双雪深度观察 - 品牌推荐大师
  • 什么是过滤器?为什么要使用过滤器?
  • 从明文暴露到安全存储:Keyring彻底解决Python密码管理痛点
  • 2025最完整指南:将Chrome Apps迁移到Android与iOS平台全流程
  • 考公科学刷题方法及资料|错题复盘实用技巧
  • 【问题解决方案】npm install报错问题:npm ERR
  • eclipse的安装,配置以及集成Maven
  • 开源项目推荐:SpoofCheck
  • 开源项目教程:Awesome Stable Diffusion
  • Agent设计模式:Plan-and-Execute
  • NGX-ECHARTS核心功能详解:从基础图表到高级交互
  • 开源项目推荐:Freddy
  • 开源项目《Aviator》安装与使用指南
  • CoGPT 项目使用教程
  • NaughtyKeyboard 项目推荐