YOLOv5全面解析教程：将训练好的YOLOv5权重导为其它框架格式

1

模型导出

2

开始之前

克隆工程并在 Python>3.7.0 的环境中安装 requiresments.txt , OneFlow 请选择 nightly 版本或者 >0.9 版本 。模型和数据可以从源码中自动下载。

3格式

YOLOv5支持多种模型格式的导出，并基于特定模型对应的框架获得推理加速。

4

导出训练好的 YOLOv5 模型

下面的命令把预训练的 YOLOV5s 模型导出为 ONNX 格式。yolov5s 是小模型，是可用的模型里面第二小的。其它选项是 yolov5n ，yolov5m，yolov5l，yolov5x ，以及他们的 P6 对应项比如 yolov5s6 ，或者你自定义的模型，即 runs/exp/weights/best 。有关可用模型的更多信息，可以参考我们的README

提示: 添加 --half 以 FP16 半精度导出模型以实现更小的文件大小。

输出：

导出的 onnx 模型使用 Netron Viewer 进行可视化的结果如下：

5

导出模型的示例用法

detect.py 可以对导出的模型进行推理：

val.py 可以对导出的模型进行验证：

6

ONNX Runtime 推理

基于 onnx 模型使用 onnxruntime 进行推理：

输出：

参考文章

https://github.com/ultralytics/yolov5/issues/251