模型转换

🔄 本文内容
把 YOLOv8 训练出来的 best.pt 一路转换下去：.pt → ONNX → OpenVINO IR。

1	`best.pt ──(ultralytics export)──▶ best.onnx ──(OpenVINO mo)──▶ best.xml + best.bin`

📦 1. 安装 ultralytics

YOLOv8 官方提供了 pip 包，装好之后可以直接用终端指令导出模型。

快速安装：

1	`pip install ultralytics`

或者从源码安装：

git clone https://github.com/ultralytics/ultralytics.git
cd ultralytics
pip install -r requirements.txt
pip install -e .

测试是否安装成功，在 Python 里运行：

1 2	`import ultralytics ultralytics.checks()`

出现类似下面的结果，说明安装成功：

进入环境，打开终端：

1	`yolo mode=export model=/home/sweet/vs/yolov8/runs/detect/train2/weights/best.pt format=onnx device=0`

也可以用 Python 脚本导出：

需要更多选项时，在 export 里继续加下面这些键值就行：

先安装 OpenVINO 的 Python 版：

1	`pip install openvino`

找到 OpenVINO 的安装位置，寻找 mo_onnx.py，然后在终端运行：

1	`python3 mo_onnx.py --input_model <onnx模型路径> --output_dir <IR模型输出路径> --input_shape [输入形状] --compress_to_fp16`

--input_shape 在不知道输入形状时可以用 Netron 查看。从下面的 INPUTS 可以看出，data_type 是 FP16，shape 是 [1,3,640,640]：