源码解析二 模型转换 export.py

源码解析二 模型转换 export.py

基于最新yolov5-v6.0

​​1.重点​​

​​2.相关函数​​

1.重点

一般使用规则：

python export.py --data " " --weights " " --imgsz 512 --simplify --include "onnx"

三种格式想要用哪种就要-相应的包：

torchscript 不需要-对应的包 有Torch就可以onnx: pip install onnxcoreml: pip install coremltools

2.相关函数

parse_opt():

def parse_opt(): """ data: 数据集目录 默认=ROOT / 'data/coco128.yaml' weights：权重文件目录 默认=ROOT / 'yolov5s.pt' img-size: 输入模型的图片size=(height, width) 默认=[640, 640] batch-size: batch大小 默认=1 device: 模型运行设备 cuda device, i.e. 0 or 0,1,2,3 or cpu 默认=cpu include: 要将pt文件转为什么格式 可以为单个原始也可以为list 默认=['torchscript', 'onnx', 'coreml'] half: 是否使用半精度FP16export转换 默认=False inplace: 是否设置 YOLOv5 Detect() inplace=True 默认=False train: 是否开启model.train() mode 默认=True coreml转换必须为True optimize: TorchScript转化参数 是否进行移动端优化 默认=False int8： 支持CoreML/TF INT8 量化 不支持ONNX dynamic: ONNX转换参数 dynamic_axes ONNX转换是否要进行批处理变量 默认=False simplify: ONNX转换参数 是否简化onnx模型 默认=False opset: ONNX转换参数 设置ONNX版本 默认=13 topk-per-class: TF.js每一类别都要保留 默认=100 topk-all: TF.js Topk为所有class保留 iou-thres: TF.js IoU threshold default=0.45 conf-thres: TF.js confidence threshold default=0.25 include: 需要导出的版本 default=['torchscript', 'onnx'], """

def run(data=ROOT / 'data/coco128.yaml', # 'dataset.yaml path'

def run(data=ROOT / 'data/coco128.yaml', # 'dataset.yaml path' weights=ROOT / 'yolov5s.pt', # weights path imgsz=(640, 640), # image (height, width) batch_size=1, # batch size device='cpu', # cuda device, i.e. 0 or 0,1,2,3 or cpu include=('torchscript', 'onnx', 'coreml'), # include formats half=False, # FP16 half-precision export inplace=False, # set YOLOv5 Detect() inplace=True train=False, # model.train() mode optimize=False, # TorchScript: optimize for mobile int8=False, # CoreML/TF INT8 quantization dynamic=False, # ONNX/TF: dynamic axes simplify=False, # ONNX: simplify model opset=12, # ONNX: opset version topk_per_class=100, # TF.js NMS: topk per class to keep topk_all=100, # TF.js NMS: topk for all classes to keep iou_thres=0.45, # TF.js NMS: IoU threshold conf_thres=0.25 # TF.js NMS: confidence threshold ):

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。