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
bonechips8 小时前
深入理解 JavaScript的历史包袱——变量提升(Hoisting)
javascript·深度学习
春日见9 小时前
五分钟入门 强化学习---Q-Learning算法与实现
人工智能·python·深度学习·算法·机器学习·计算机视觉
AI服务老曹9 小时前
解耦异构算力:基于 Docker 与 GB28181/RTSP 的边缘计算 AI 视频管理平台架构设计与源码交付实践
人工智能·docker·边缘计算
多年小白9 小时前
【周末消息】2026年5月30日-6月1日
大数据·人工智能·深度学习·机器学习·金融
weixin_468466859 小时前
图像连通域分析新手实战指南
图像处理·人工智能·深度学习·ai·机器视觉·连通域
硅谷秋水10 小时前
世界动作模型:具身智能的下一前沿
大数据·人工智能·深度学习·计算机视觉·语言模型·机器人
大江东去浪淘尽千古风流人物12 小时前
【HaMeR】全Transformer架构的单目3D手部网格重建:ViT-H骨干+跨注意力MANO解码器源码深度解析
深度学习·3d·transformer·vit·手部重建·mano
土星云SaturnCloud12 小时前
基于铁塔基站的反无人机系统应用场景分析:边缘计算重构低空防御体系
服务器·人工智能·ai·边缘计算
钓了猫的鱼儿13 小时前
基于深度学习+AI的红外电力设备故障目标检测与预警系统(Python源码+数据集+UI可视化界面+YOLOv11训练结果)
人工智能·深度学习·目标检测
LaughingZhu13 小时前
Product Hunt 每日热榜 | 2026-05-30
人工智能·经验分享·深度学习·神经网络·产品运营