Yolov5模型导出实战：从export.py到ONNX的高效转换指南

最新推荐文章于 2026-06-15 08:39:24 发布

原创

最新推荐文章于 2026-06-15 08:39:24 发布 · 306 阅读

标签

#YOLOv5 #模型导出 #ONNX #深度学习部署

1. 环境准备与依赖安装：别在第一步就踩坑

很多朋友在尝试导出YOLOv5模型时，第一步就卡住了。网上搜到的教程五花八门，有的让你装这个库，有的让你改那个环境，照着做了一通，最后import torch都报错，模型转换更是无从谈起。我刚开始也在这上面浪费了不少时间，后来发现，最稳的方法就是回归YOLOv5项目本身。它自带的export.py脚本已经为我们封装好了绝大部分流程，我们需要做的，就是为它准备好一个“舒适”的运行环境。

首先，你得有一个能正常训练YOLOv5模型的环境。如果你已经用自己的数据训练好了.pt权重文件，那说明你的基础PyTorch环境是没问题的。接下来，转换模型需要一些额外的依赖。关键就在这里：YOLOv5项目根目录下的requirements.txt文件，默认把模型转换相关的依赖（比如onnx、coremltools等）都给注释掉了。这是为了防止用户在只想做训练或推理时，安装一堆不必要的包。

所以，我们的第一步是“解注释”。用任何文本编辑器打开requirements.txt，你会看到类似下面这样的行：

# export
# coremltools>=4.1  # CoreML export
# onnx>=1.10.0  # ONNX export
# onnx-simplifier>=0.3.6  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn<=1.1.2  # CoreML quantization
# tensorflow>=2.4.0  # TFLite export
# tensorflowjs>=3.9.0  # TF.js export

你需要根据自己想导出的格式，取消对应行的注释。比如，我们这次的目标是ONNX，那么至少需要确保onnx>=1.10.0和onnx-simplifier>=0.3.6这两行前面的#号被去掉。如果你还打算后续尝试TensorRT加速，也可以把nvidia-pyindex和nvidia-tensorrt的注释去掉。我个人的习惯是，把export区块下所有格式的依赖都先打开，一次装全，免得以后换格式又要折腾一遍环境。

依赖文件修改好后，在终端进入YOLOv5项目目录，执行安装命令：

pip install -r requirements.txt

这里有个小坑需要注意。如果你的基础环境是通过conda管理的，最好在conda环境里用pip安装，避免包管理器冲突。安装过程如果遇到某个包版本冲突，可以尝试先单独安装指定版本，比如pip install onnx==1.13.0。安装完成后，强烈建议验证一下核心库：在Python环境下执行import onnx和import onnxsim，不报错就说明基础环境OK了。