YOLOX （pytorch）模型 ONNX export | ❤️运行推理❤️【YOLOX 实战二】

最新推荐文章于 2025-07-02 17:33:53 发布

置顶墨理学AI

最新推荐文章于 2025-07-02 17:33:53 发布

阅读量4.2k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： YOLO专栏文章标签： YOLOX onnx

本文链接：https://blog.csdn.net/sinat_28442665/article/details/119915460

YOLO专栏专栏收录该内容

23 篇文章

订阅专栏

该博客介绍了如何将YOLOX模型转换为ONNX格式并使用ONNXRuntime进行推理测试。首先，通过`export_onnx.py`脚本将预训练的YOLOX_s模型导出为yolox_s.onnx，然后使用ONNXRuntime进行实时推理，展示了一个使用ONNXRuntime进行对象检测的示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

🥇 版权: 本文由【墨理】原创、在CSDN首发、如需转载，请联系博主

🥇 YOLOX Deployment

📔 ONNX export and an ONNXRuntime

所参考教程

https://github.com/Megvii-BaseDetection/YOLOX/tree/main/demo/ONNXRuntime

📕 环境搭建

环境搭建，可以参考上篇博文

YOLOX 环境搭建 | 测试 | COCO训练复现【YOLOX 实战】

🟧 export_onnx


cd yoloDir

git clone https://github.com/Megvii-BaseDetection/YOLOX.git

cd YOLOX

# 运行命令：

python3 tools/export_onnx.py --output-name yolox_s.onnx -n yolox-s -c preModels/yolox_s.pth

## 或者，两种指定方式都可以

# 如果说是，自己定义扩展的 YOLO ，那么 需要使用 -f 指定 xx.py 文件的方式

python3 tools/export_onnx.py --output-name yolox_s.onnx -f exps/default/yolox_s.py -c preModels/yolox_s.pth

输出如下【得到 yolox_s.onnx 】：

...

2021-08-25 09:08:00.847 | INFO     | __main__:main:55 - args value: 

Namespace(ckpt='preModels/yolox_s.pth', exp_file=None, experiment_name=None, input='images', name='yolox-s', no_onnxsim=False, opset=11, opts=[], output='output', output_name='yolox_s.onnx')
2021-08-25 09:08:01.075 | INFO     | __main__:main:79 - loading checkpoint done.

## 先转为 yolox_s.onnx,然后 simplified 

2021-08-25 09:08:06.185 | INFO     | __main__:main:89 - generated onnx model named yolox_s.onnx
2021-08-25 09:08:08.043 | INFO     | __main__:main:101 - generated simplified onnx model named 

yolox_s.onnx

查看代码可以看到，–no-onnxsim 默认为 False

1-0

参数解析

1-1

🟨 ONNXRuntime Demo 【yolox_s.onnx 推理测试】


cd YOLOX/demo/ONNXRuntime

python3 onnx_inference.py -m ../../yolox_s.onnx -i ../../assets/dog.jpg -o ./ -s 0.3 --input_shape 640,640

生成和原图名字一致的带检测图片，效果如下

2-1

参数解析

2-2

❤️ 你只看一篇就够用的教程 感谢各位大佬一键三连

9-8