从onnx模型到om模型的全自动化转化

自动化om模型转换

项目位置:

https://github.com/whypoxic/Ascend-ATC-tool_onnx2om

使用前请参考本文档
Written by whypoxic

本项目适用海思系列/昇腾npu算力开发板

使用开发板时,请及时查看该板卡所支持的昇腾驱动包版本,从算力板官方资料或昇腾官方获取Ascend-toolkit工具包,并将你的工具包替换Ascend目录下的驱动包内容

Ascend-toolkit工具包获取可查看本目录下的 安装昇腾工具包指南.md

本项目提供自动化脚本,用于将 .onnx 神经网络模型 转化为 .om 适配昇腾平台的模型

若使用yolo(.pt)或其他模型,需要先转化为.onnx通用模型;

以yolo模型为例,yolo官方提供export.py用于.onnx的模型转化

已经提供好自动化脚本,可供直接运行。

运行前,需要将需要转换的.onnx模型放入run目录下

(脚本会进行conda环境的创建,因此建议提前安装好miniconda;若没有,脚本会自动安装)

(项目初始提供了一个test.onnx用于测试,实际使用请替换)

在当前目录下,进入终端赋予脚本运行权限,执行脚本:

复制代码
chmod +x all-run.sh

./all-run.sh test.onnx out

脚本需要两个参数输入:第一个是run目录下的onnx模型文件名(需要后缀);第二个是生成om文件的命名。

  • 脚本会执行conda环境的创建,新建一个atc的conda环境,安装指定版本的python与相应包。

  • 在该环境下,使用昇腾工具包下的atc工具执行转换。

转换完成后,生成的.om文件会在run目录下生成。

若自动化脚本出现异常,或者需要手动修改部分参数,可以使用命令行进行手动调用来执行转换。

命令行全过程操作参考本目录下的:手动转换指南.md

相关推荐
罗西的思考11 小时前
【Agent】MemOS 源码笔记---(5)---记忆分类
人工智能·深度学习·算法
深度学习实战训练营13 小时前
U-Net++:嵌套密集跳跃连接,多尺度融合增强特征表达,医学影像分割的unet创新-k学长深度学习专栏
人工智能·深度学习
哥布林学者13 小时前
吴恩达深度学习课程四:计算机视觉 第二周:经典网络结构 (一)经典卷积网络
深度学习·ai
Coding茶水间13 小时前
基于深度学习的反光衣检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
图像处理·人工智能·深度学习·yolo·目标检测·机器学习·计算机视觉
IT·小灰灰14 小时前
告别“翻墙“烦恼:DMXAPI让Gemini-3-pro-thinking调用快如闪电
网络·人工智能·python·深度学习·云计算
DatGuy14 小时前
Week 29: 深度学习补遗:MoE的稳定性机制与路由策略实现
人工智能·深度学习
一瞬祈望16 小时前
PyTorch 图像分类完整项目模板实战
人工智能·pytorch·python·深度学习·分类
Master_oid17 小时前
机器学习25:了解领域自适应(Domain Adaptation)
人工智能·深度学习·机器学习
江上鹤.14817 小时前
Day37 MLP神经网络的训练
人工智能·深度学习·神经网络
java1234_小锋18 小时前
Transformer 大语言模型(LLM)基石 - Transformer架构详解 - 残差连接(Residual Connection)详解以及算法实现
深度学习·语言模型·transformer