文章目录[隐藏]
1）下载onnx依赖包，在自己的yolo环境下输入以下命令：
pip install onnx
2）运行导出模型程序，输入以下命令：
python export.py --weights weights/yolov5s.pt
3）打开模型查看网页：https://netron.app 打开刚生成的yolov5s.onnx文件
版权声明：本文为CSDN博主「P---H」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_45025164/article/details/121856574
一.简介 YOLOV4出现之后不久，YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进，检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析࿰
问题已经解决，请参考以下博文： https://blog.csdn.net/ELSA001/article/details/120918082?spm1001.2014.3001.5501 刚刚我尝试训练自己的yo
站在各位巨人的肩膀上，记录和整理。 参考： 1、https://github.com/bubbliiiing/yolov4-tiny-pytorch 2、睿智目标检测35——Pytorch搭建YoloV4-Tiny目
目录 RCNN 背景： 原理： 缺点： 端到端的Fast RCNN 背景： 原理： 缺点： 走向实时：Faster RCNN (t
暂无评论