TNN 部署 yolov8
时间: 2023-09-30 22:01:38 浏览: 79
要在TNN中部署Yolov8,你可以按照以下步骤进行操作:
1. 首先,你需要下载TNN的代码库,并在Ubuntu 18.04系统上完成安装。你可以从GitHub上找到代码库。按照文档中的指导进行安装和配置。
2. 接下来,你需要将.pt文件转换成TNN模型。你可以参考一篇博客文章,其中详细介绍了如何使用TNN-master来转换.pt文件并运行Android demo。按照文章中的指导进行操作,确保你能够成功地将Yolov8模型转换成TNN格式。
3. 如果你想要自己训练模型或修改类别等内容,需要在TNN-master中进行相应的更改。你可以根据你的需求修改相应的文件。然而,目前尚无相关的尝试。因此,在进行自定义训练或修改之前,请确保你已经详细研究了TNN-master的文档和代码。
总结起来,要在TNN中部署Yolov8,你需要安装TNN并将.pt文件转换成TNN模型。如果你想要自己训练模型或进行其他修改,你需要在TNN-master中进行相应的更改。希望这些信息对你有帮助!
相关问题
Yolov8 TNN
Yolov8 TNN是利用腾讯的TNN-master将Yolov8模型转换成TNN模型后的结果。Yolov8 TNN可以在Ubuntu18.04系统上完成将.pt文件转换成tnn模型的过程。您可以参考TNN-master中的相关文件和示例来运行Yolov8 TNN模型,并且可以通过修改对应文件来进行自己的训练和修改类别等操作。
yolov5部署 ONNX
要将yolov5部署为ONNX模型,需要按照以下步骤进行操作:
1. 下载yolov5的工程文件。根据提供的参考资料,可以从yolov5的历史版本中选择合适的版本进行下载。
2. 去除冗余。根据参考资料,为了减小内存消耗,可以删除TNN-master中不需要的模型,只保留yolov5模型。
3. 修改yolo.py文件。根据参考资料,由于TNN似乎不支持5维的计算,需要将模型输出部分的5维数据修改为4维的输出。
4. 修改export.py文件。根据参考资料,在TNN-master中所使用的图片尺寸为448x640,而yolov5中为640x640。如果模型转换时不修改尺寸,则需要在TNN-master中修改相应图片尺寸。
5. 进行模型简化。经过上述操作后,可以得到一个onnx格式的模型。使用命令`python3 -m onnxsim /yolov5-master/weights/yolov5s.onnx /yolov5-master/weights/yolov5s_sim.onnx`对模型进行简化。前一个地址为待简化的模型路径,后一个为简化后的模型路径。模型简化这一步是必须的,以确保后续的onnx转tnn时能够成功。
通过以上步骤,你就可以将yolov5部署为ONNX模型了。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [TNN将YOLOV5部署到移动端---pytorch转onnx转tnn全套流程](https://blog.csdn.net/qq_44409407/article/details/119996369)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]