源码解析二模型转换 export.py

基于最新yolov5-v6.0

1.重点

一般使用规则：

python export.py --data " " --weights " " --imgsz 512 --simplify --include "onnx"

三种格式想要用哪种就要下载相应的包：

torchscript 不需要下载对应的包有Torch就可以
onnx: pip install onnx
coreml: pip install coremltools

2.相关函数

parse_opt():

def parse_opt():
    """
    data: 数据集目录 默认=ROOT / 'data/coco128.yaml'
    weights：权重文件目录 默认=ROOT / 'yolov5s.pt'
    img-size: 输入模型的图片size=(height, width) 默认=[640, 640]
    batch-size: batch大小 默认=1
    device: 模型运行设备 cuda device, i.e. 0 or 0,1,2,3 or cpu 默认=cpu
    include: 要将pt文件转为什么格式 可以为单个原始也可以为list 默认=['torchscript', 'onnx', 'coreml']
    half: 是否使用半精度FP16export转换 默认=False
    inplace: 是否设置 YOLOv5 Detect() inplace=True  默认=False
    train: 是否开启model.train() mode 默认=True  coreml转换必须为True
    optimize: TorchScript转化参数 是否进行移动端优化  默认=False
    int8： 支持CoreML/TF INT8 量化 不支持ONNX
    dynamic: ONNX转换参数  dynamic_axes  ONNX转换是否要进行批处理变量  默认=False
    simplify: ONNX转换参数 是否简化onnx模型  默认=False
    opset: ONNX转换参数 设置ONNX版本  默认=13
    topk-per-class: TF.js每一类别都要保留 默认=100
    topk-all: TF.js  Topk为所有class保留
    iou-thres: TF.js IoU threshold   default=0.45
    conf-thres: TF.js  confidence threshold  default=0.25
    include:     需要导出的版本  default=['torchscript', 'onnx'],
    """

def run(data=ROOT / 'data/coco128.yaml', # 'dataset.yaml path'

def run(data=ROOT / 'data/coco128.yaml',  # 'dataset.yaml path'
        weights=ROOT / 'yolov5s.pt',  # weights path
        imgsz=(640, 640),  # image (height, width)
        batch_size=1,  # batch size
        device='cpu',  # cuda device, i.e. 0 or 0,1,2,3 or cpu
        include=('torchscript', 'onnx', 'coreml'),  # include formats
        half=False,  # FP16 half-precision export
        inplace=False,  # set YOLOv5 Detect() inplace=True
        train=False,  # model.train() mode
        optimize=False,  # TorchScript: optimize for mobile
        int8=False,  # CoreML/TF INT8 quantization
        dynamic=False,  # ONNX/TF: dynamic axes
        simplify=False,  # ONNX: simplify model
        opset=12,  # ONNX: opset version
        topk_per_class=100,  # TF.js NMS: topk per class to keep
        topk_all=100,  # TF.js NMS: topk for all classes to keep
        iou_thres=0.45,  # TF.js NMS: IoU threshold
        conf_thres=0.25  # TF.js NMS: confidence threshold
        ):

源码解析二 模型转换 export.py

源码解析二模型转换 export.py