YOLO_V8推理和模型格式转换
1、推理
设置好task、mode、model和测试图片路径source即可。
task: "detect" # choices=['detect', 'segment', 'classify', 'init'] # init is a special case. Specify task to run.
mode: "predict" # choices=['train', 'val', 'predict', 'export'] # mode to run task in.
model: E:\DLTest\YOLOv8\runs\detect\best.pt
source: MaskDataSet/test/images/ # source directory for images or videos
然后执行:YOLOv8ultralyticsyolov8detectpredict.py即可输出模型推理结果。
2、模型格式转换
此处以导出ONNX格式为例,主要的几个参数为:
task: "detect" # choices=['detect', 'segment', 'classify', 'init'] # init is a special case. Specify task to run.
mode: "export" # choices=['train', 'val', 'predict', 'export'] # mode to run task in.
model: E:\DLTest\YOLOv8\runs\detect\best.pt
format: onnx #torchscript # format to export to
opset: 12 # ONNX: opset version
然后执行:YOLOv8ultralyticsyoloengineexporter.py 即可输出格式转换之后的模型。
导出的onnx模型和.pt格式的模型在同一路径下。
可能出现的错误:
错误:ONNX: export failure 0.1s: Unsupported ONNX opset version: 17
原因:onnx opset version 设置版本不对,修改版本即可:opset: 12 # ONNX: opset version
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
THE END
二维码