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
清风与日月1 天前
halcon分类器使用标准流程
深度学习·目标检测·计算机视觉
西西阿西哥1 天前
【随便聊聊】和ChatGPT聊聊潜空间
深度学习·chatgpt
CAD老兵1 天前
量化技术:如何让你的 3D 模型和 AI 模型瘦身又飞快
人工智能·深度学习·机器学习
算法与编程之美1 天前
探索不同的优化器对分类精度的影响和卷积层的输入输出的shape的计算公式
人工智能·深度学习·机器学习·分类·数据挖掘
大千AI助手1 天前
微软SPARTA框架:高效稀疏注意力机制详解
人工智能·深度学习·神经网络·llm·大千ai助手·sparta·稀疏注意力机制
执笔论英雄1 天前
【大模型训练】zero 学习及deepseed实战
人工智能·深度学习·学习
weixin_307779131 天前
基于AWS服务的客户服务电话情感分析解决方案
人工智能·深度学习·机器学习·云计算·aws
极客BIM工作室1 天前
U-Net 的输入与输出:通用场景与扩散模型场景解析
人工智能·深度学习·计算机视觉
哥布林学者1 天前
吴恩达深度学习课程二: 改善深层神经网络 第一周:深度学习的实践(六)梯度现象和梯度检验
深度学习·ai
盼小辉丶1 天前
优势演员-评论家(Advantage Actor-Critic,A2C)算法详解与实现
深度学习·keras·强化学习