YOLOv5Lite准备部署模型

• YOLOv5Lite部署实现来自YOLOv5-Lite 代码，和基于COCO的预训练模型。

  • （1）官方库提供的*.pt通过导出ONNX模型操作后，可进行部署；
  • （2）自己数据训练的YOLOv5Lite模型，按照导出ONNX模型操作后，参考详细部署文档完成部署。

导出ONNX模型

• 自动获取 访问YOLOv5Lite 官方github库，按照指引下载安装，下载yolov5-lite-xx.onnx 模型(Tips：官方提供的ONNX文件目前是没有decode模块的)

  #下载yolov5-lite模型文件(.onnx)
  Download from https://drive.google.com/file/d/1bJByk9eoS6pv8Z3N4bcLRCV3i7uk24aU/view
  官方Repo也支持百度云下载
  

• 手动获取

  访问YOLOv5Lite 官方github库，按照指引下载安装，下载yolov5-lite-xx.pt 模型，利用 export.py 得到onnx格式文件。

  • 导出含有decode模块的ONNX文件

  首先需要参考YOLOv5-Lite#189的解决办法，修改代码。

  #下载yolov5-lite模型文件(.pt)
  Download from https://drive.google.com/file/d/1oftzqOREGqDCerf7DtD5BZp9YWELlkMe/view
  官方Repo也支持百度云下载
  
  # 导出onnx格式文件
  python export.py --grid --dynamic --concat --weights PATH/TO/yolov5-lite-xx.pt
  
  
  
  • 导出无decode模块的ONNX文件(不需要修改代码)

  #下载yolov5-lite模型文件
  Download from https://drive.google.com/file/d/1oftzqOREGqDCerf7DtD5BZp9YWELlkMe/view
  官方Repo也支持百度云下载
  
  # 导出onnx格式文件
  python export.py --grid --dynamic --weights PATH/TO/yolov5-lite-xx.pt
  
  

下载预训练ONNX模型

为了方便开发者的测试，下面提供了YOLOv5Lite导出的各系列模型，开发者可直接下载使用。（下表中模型的精度来源于源官方库）

详细部署文档

• Python部署
• C++部署

版本说明

• 本版本文档和代码基于YOLOv5-Lite v1.4 编写