【yolov7】模型导出----pytorch导出为onnx模型

【yolov7】模型导出

• [1. 确保安装必要的库](#1. 确保安装必要的库)
• [2. 找到训练后的模型](#2. 找到训练后的模型)
• [3. 使用YOLOv7的导出脚本](#3. 使用YOLOv7的导出脚本)
• [4. 检查导出的ONNX模型](#4. 检查导出的ONNX模型)

1. 确保安装必要的库

确保你已经安装了PyTorch和ONNX库。可以使用以下命令安装：

pip install torch torchvision onnx

2. 找到训练后的模型

确保你知道训练后模型的路径，通常在runs/train/exp/weights目录下，文件名通常为best.pt或last.pt。

3. 使用YOLOv7的导出脚本

在YOLOv7的代码库中，你可以使用以下命令来导出模型：

python export.py --weights path/to/your/best.pt  --batch-size 1 --device 0 --include onnx

各个参数解释，使用适合的参数

• --weights ：指定要导出的模型权重文件（如best.pt）。
• --include ：指定导出的格式（如onnx、torchscript等）。
• --img-size ：设置输入图像的尺寸（如640）。
• --batch-size ：设置批处理大小（通常为1）。
• --dynamic：启用动态输入尺寸。
• --simplify：简化模型结构，减少计算复杂度。
• --end2end：启用端到端导出。
• --iou-thres：设置IoU阈值，用于检测结果过滤。
• --conf-thres：设置置信度阈值。
• --max-wh：设置最大宽高限制
• --topk-all：设置最大输出的前K个检测结果。
• --grid：使用网格输出。

例如：

python export.py --weights best.pt --grid --end2end --simplify --topk-all 100 --iou-thres 0.65 --conf-thres 0.35 --img-size 640 640 --max-wh 640

4. 检查导出的ONNX模型

导出完成后，生成的ONNX模型文件通常位于runs/onnx/目录下。你可以使用ONNX工具来检查模型：

import onnx
model = onnx.load("path/to/your/model.onnx")
onnx.checker.check_model(model)