1、pytorch模型转onnx
input = cv.imread('c:/123.jpg')
input = np.transpose(input, (2, 0, 1)).astype(np.float32)
now_image1 = Variable(torch.from_numpy(input))
dummy_input = now_image1.unsqueeze(0)
input_name = ['input']
output_name = ['output']
torch_out = torch.onnx._export(model, dummy_input, "c:/resnet50.onnx", verbose=True, input_names=input_name, output_names=output_name)
2、onnx再精简模型python -m onnxsim c:/resnet50.onnx c:/resnet50-sim.onnx
注意这里需要安装一些库>pip install onnx-simplifier pip install onnxruntime
3、下载ncnn源码，编译后会有onnx2ncnn的应用
转换过程出现
查找了各种办法都不行，后面看了一下onnx2ncnn的源码，发现每一层里面都有对应的代码处理，而我用的onnx2ncnn里面没有对Unsqueeze和Squeeze的层做处理，因为我的onnx2ncnn的代码是较早的版本，再去github上看最新的代码，发现已经有对Unsqueeze和Squeeze的层的处理，于是重新下载最新的代码编译，成功转换完成。可是转换后的模型测试结果都是正确的，就是速度好像特别慢，单线程在windows上要4.3秒，这也太慢了吧。这个还没找到什么原因。