YOLOv8摆设的4种差别摆设方式推理速度对比：pytorch、onnx、ncnn、tflite
1.模型转换首先，我们将yolov8n.pt转换分别转换成onnx、ncnn、tflite格式模型，供后续使用差别模型摆设使用，进行速度对比测试。转换代码如下：
# 转onnx
yolo export model=yolov8n.pt format=onnx
# 转ncnn
yolo export model=yolov8n.pt format=ncnn
# 转tflite
yolo export model=yolov8n.pt format=tflitehttps://i-blog.csdnimg.cn/direct/9719183a317b450a9a044522ea56deba.png
2. 模型摆设测试
首先，写一个可以测试摄像头与视频的测试脚本VideoTest.py，方便我们进行差别模型的测试。
2.1 pytorch 摆设方式
基于pytorch框架的原生yolov8.pt摆设测试，测试结果如下，检测视频的速度约为2帧/s。命令如下：
❝python VideoTest.py --model=yolov8n.pt --source=1.mp4 --show=True
https://i-blog.csdnimg.cn/direct/aa7c4b30e3ed467da31ee7d13099877a.png
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]