将pt文件转换成onnx文件

最新推荐文章于 2026-03-23 00:37:02 发布
原创 最新推荐文章于 2026-03-23 00:37:02 发布 · 3.3k 阅读 · 20 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#YOLO
本文指导如何使用Yolov5的export.py脚本来将.pt模型转换为.onnx格式，以及生成适用于TensorRT加速的.engine文件，需修改weights参数并指定设备。

在这里插入图片描述

将pt文件转换成onnx文件

打开yolov5自带的export.py文件 更改weights信息
在这里插入图片描述
更改完成后在终端输入

python export.py --include torchscript onnx

如此即可实现pt到onnx的转换,路径在pt文件同级
在这里插入图片描述
如果要生成engine（用于tensorRT加速）格式则输入

python export.py --include engine --device 0

在这里插入图片描述

pt权重文件转onnx详解（记录）
weixin_44312422的博客
11-24 1万+
pt权重转onnx记录 方法 1.一般YOLOv3和YOLOv5 会自带一个权重pt转onnx模型的代码 export.py export.py在models文件夹中 2.打开export.py ，我们运行该文件可以通过命令行运行，对照修改argument参数即可 3.运行命令行如下： python ./models/export.py --weights ./models/best.pt --batch-size 16 weights：指你训练好的权重文件，看你放在哪个文件夹中。 batch-
可视化工具 netron & pt 转 onnx 格式
weixin_41258131的博客
08-25 1万+
Netron 是一个开源的网络可视化工具，可以帮助开发人员和数据科学家可视化、理解和调试深度学习模型。
保姆级教程：用YOLOv5 v5.0代码把训练好的.pt模型转成ONNX（附简化步骤）
最新发布
weixin_30352645的博客
03-23 83
本文提供了一份详细的YOLOv5 v5.0模型转换教程，指导开发者如何将训练好的.pt模型高效转换为ONNX格式。通过环境配置、基础导出、模型优化和疑难排解四个步骤，帮助用户实现模型在不同平台上的快速部署，特别适合需要在边缘设备或加速框架上使用YOLOv5的开发者。
yolov5模型转换(一) pt文件转onnx
qq_45057749的博客
03-24 3万+
参考文献： YOLOv5利用ncnn部署系列(二).
pytorch模型(.pt)转onnx模型(.onnx)的方法详解(1)
热门推荐
Vertira的博客
10-30 5万+
pytorch模型(.pt)转onnx模型(.onnx)的方法详解(1)
python pytorch模型转onnx模型（多输入+动态维度）
adsfasfZF的博客
08-11 5976
（多输入+动态维度）整理的自定义神经网络pt转onnx过程的python代码，记录了pt文件转onnx全过程，简单的修改即可应用。
将.pt文件转换成.onnx（快速版）
weixin_60107137的博客
03-17 220
>pip install yolov5>yolo export model=../best.pt format=onnx
yolov5的pt文件转换成各类型文件（onnx，tflite）
m0_71102932的博客
10-01 1288
yolov5通过export文件将pt转换成onnx或tflite适用于其他系统框架，其实比较简单，做一下记录，大家也可以学习一下这个操作。
.pt文件转.onnx文件报错：RuntimeError: Cannot insert a Tensor that requires grad as a constant. Consider m
weixin_56220010的博客
11-28 709
.pt转.onnx；模型转换
基于onnxruntime的YOLOv5图片检测
深之JohnChen的专栏
09-18 909
点击input 或者 output，可以查看 ONNX 模型的基本信息，包括模型的版本信息，以及模型输入、输出的名称和数据类型。1、使用yolov5工程下utils中export.py文件，导出onnx文件。2、netron查看导出的模型是否正常（1、安装onnxruntime。
deepstream部署jetson
WILLIX的博客
09-09 1872
进入bodypose_yolo_win1,修改了source4_1080p_dec_parallel_infer.yml为source4_1080p_dec_parallel_infer1.yml，主要改变其中的模型推理配置文件。当多输入源时，yolov7的onnx模型属于静态模型，原来的engine模型无用，deepstream会自动将onnx模型再次转换成多输入源的engine文件，但会发现无法静态onnx模型已经限定死了模型内部的batch维度为1。当多输入源时，yolov7示例模型属于静态模型。
2、TensorRT学习笔记之PT转ONNX、可视化ONNX
NOZhengYuan的博客
04-23 2733
主要讲解Pt权重转ONNX过程代码，以及如何可视化ONNX查看模型信息。
pt转onnx
GitHub：https://github.com/Shaoyc
03-30 6300
pt模型转onnx模型完整流程
pycharm里将.pt文件格式转化成onnx文件
qq_63600979的博客
09-13 3370
进行yolov5自定义模型训练后，形成.Pt文件，要想在rk3588开发板上部署yolov5的训练模型，需要将.pt文件先转化成onnx模型，最后再转成rknn完成部署
把pt格式装换成ONNX格式
m0_69192635的博客
12-13 3233
将YOLOv5模型从.pt（PyTorch格式）转换为ONNX格式是一个常见的需求，特别是当你希望在不同的环境中部署模型时。以下是将YOLOv5的.pt文件转换为ONNX格式的步骤首先，确保你已经安装了必要的依赖项。
YOLO模型的.pt文件转换为ONNX格式
fcgmqty的专栏
11-01 4921
如果你的Linux系统支持NVIDIA GPU，可以使用 TensorRT 将 ONNX 模型转换为 TensorRT 引擎文件（通常为 .bin 或 .engine），以便在 GPU 上加速推理。在将YOLO的ONNX模型转换为二进制的.bin文件并部署到Linux中运行，可以借助OpenVINO或TensorRT等工具完成。转换后的.engine文件可以通过TensorRT的API在Linux环境中运行，也可以在C++或Python代码中加载TensorRT引擎文件来执行推理。
yolo的模型转换权重pt文件转onnx（1）
m0_60657960的博客
03-08 3563
环境配置Ubuntu20.04 系统yolov5 5.0 训练标注的数据集，生成best.pt模型权重labelImg软件：用来标注数据集。
【YOLOV8实战】从训练到部署：一键将.pt权重高效转换为ONNX格式
weixin_29081703的博客
03-15 212
本文详细介绍了如何将YOLOv8模型从.pt权重高效转换为ONNX格式，涵盖环境配置、核心转换步骤、常见问题解决方案及高级优化技巧。通过ONNX转换，可实现跨平台部署，提升模型兼容性和性能，适用于嵌入式设备、移动端和云端服务等多种场景。
1.rk3588的yolov5运行：pt_onnx_rknn转换及rknn在rk3588系统python运行
weixin_71719718的博客
11-17 4831
第一步将pt文件转换为了onnx文件，这里开始将onnx文件转换为rknn文件，这步转换我们需要搭建ubuntu20.04的虚拟环境，然后在ubuntu20.04的虚拟环境下转换（我开始用的ubuntu18.04的虚拟环境，但转换失败，所以大家还是乖乖的用ubuntu20.04吧）（3）也可以修改'--iou-thres'和'--conf-thres'参数，该参数是yolov5的置信度，会影响模型最终检测的精度，但不会影响pt文件转换为onnx文件的成功与否。我们在终端运行以下代码解除文件权限即可。
如何在windows系统下将yolov5的pt模型导出为onnx模型
unihai的博客
01-04 5443
最近在做本科毕业设计，要求是在树莓派上部署yolo算法来实现火灾检测，在网上查了很多资料，最后选择用yolov5s模型先试着在树莓派上部署，看下效果如何，由于从大佬那里拿到了yolov5火灾检测模型，但想要将它移植到树莓派上第一步要把pt模型转换成onnx模型，原因我想大概是因为树莓派算力不如pc，因此要转换成合适的模型进行部署。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值