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
动物园猫7 分钟前
城市道路设施及道路安全隐患数据集分享(适用于YOLO系列深度学习分类检测任务)
深度学习·yolo·分类
龙文浩_12 分钟前
【无标题】AI深层神经网络(多层全连接)+ ReLU 激活 的完整处理流程
人工智能·python·深度学习·神经网络·机器学习
zzh9407714 分钟前
大模型压缩与蒸馏技术拆解:GPT-4o与Gemini官网如何实现模型瘦身?
人工智能·深度学习·计算机视觉
RuiBo_Qiu15 分钟前
LLM的神经网络之谜: 神经网络是简单的线性计算加非线形激活的堆叠
人工智能·深度学习·神经网络
龙文浩_17 分钟前
AI深度学习,神经网络处理流程
深度学习·神经网络
小柒7777719 分钟前
PEFT(Parameter-Efficient Fine-Tuning)---LoRa方法
人工智能·深度学习·语言模型
weixin_4404016932 分钟前
GNN(图神经网络)+GCN
人工智能·深度学习·神经网络·图神经网络·gnn·gcn
小龙报37 分钟前
【Coze-AI智能体平台】解锁 Coze 工作流:逻辑控制・数据处理・AIGC 多媒体全场景实战
人工智能·深度学习·机器学习·语言模型·自然语言处理·github·aigc
盼小辉丶38 分钟前
PyTorch实战(37)——使用Optuna搜索最优超参数
人工智能·pytorch·深度学习·自动机器学习
Shining05961 小时前
推理引擎系列(七)《InfiniLM》
人工智能·深度学习·算法·大模型·ai芯片·智能体·推理引擎