你可能感兴趣的资源
yolov5：PyTorch中的YOLOv5> ONNX> CoreML> TFLite
该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。
** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的平均每张图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。
2021年1月5日： ：nn.SiLU（）激活，记录， 集成。
2020年8月13日： ：nn.Hardswish（）激活，数据自动下载，本机AMP。
2020年7月23日： ：改进了模型定义，培训和mAP。
2020年6月22日： 更新：新的刀头，减少的参数，提高的速度和mAP 。
2020年6月19日： 作为新的默认设置，用于较小的检查点和更快的推断 。
预训练的检查站
AP VAL
AP 50
速度V100
FPS V100
tensorflow-onnx：将TensorFlow模型转换为ONNX
tf2onnx-将TensorFlow模型转换为ONNX。
Python
Onnx Opset
单元测试-基本
Linux，MacOS * ，Windows *
3.6、3.7、3.8
1.12-1.15、2.1-2.4
单元测试-完整
Linux，MacOS，Windows
3.6、3.7、3.8
1.12-1.15、2.1-2.4
支持的版本
tensorflow-onnx将使用系统上安装的ONNX版本，如果未找到，则安装最新的ONNX版本。
我们支持ONNX opset-6至opset-13。 默认情况
pytorch训练图像分类模型pth转ONNX并测试
1. 搭建自己的简单二分类网络，使用pytorch训练和测试；
2. 将pytorch训练的pth模型转换成ONNX，并编码测试；
3. 含训练和测试数据，含训练ok的pth模型和ONNX模型，含完整python和C++实现；
4. 使用方法：首先运行“TrainTestConvertOnnx.py”执行“训练数据读入、模型训练、模型测试、导出onnx”，再运行“TestOnnx.cpp”测试onnx（需要配置OpenCV）；
tensorflow-tools:使用Tensorflow的Python脚本
pip install git+https://github.com/sdmonov/onnx-tensorflow@maxpool_use_pool_op_instead_delation要求convert-model-to-NWHC.py将具有NCHW数据格式的GPU优化模型转换为标准NWHC表示形式convert-onnx-to-tflite....
acuity-models:敏锐模型动物园
Acuity模型动物园包含一组由Acuity工具包创建或转换的流行神经网络模型（来自Caffe，Tensorflow，PyTorch，TFLite，DarkNet或ONNX）。 模型查看器 Acuity使用JSON格式描述神经网络模型，并且我们提供了一个来帮助...
Tengine Convert Tool支持将多个framworks的模型转换为适用于Tengine-Lite AI框架的tmfile。-C/C++开发
Tengine Convert Tool支持将多个framworks的模型转换为适用于Tengine-Lite AI框架的tmfile。
由于此工具依赖protobuf来解析Caffe，ONNX，TensorFlow，TFLite等的原型文件，因此只能在x86 Linux系统上运行。
Tengine转换工具简介Tengine转换工具支持将多个framworks的模型转换为适用于Tengine-Lite AI框架的tmfile。
由于此工具依赖protobuf来解析Caffe，ONNX，TensorFlow，TFLite等的原型文件，因此只能在x86 Linux系统上运行。
安装相关库以加载caffe模型或TensorFlow模型。
sudo apt install libprotobuf-dev protobuf-compiler如果使用Fedora / CentOS，请使用follow命令代替。
须藤dnf i
Netron 3.2.0 最新版
etron最新版是一款界面清晰、功能全面、操作轻松、专业可靠的模型...h5， .keras)， CoreML (.mlmodel)和TensorFlow Lite (.tflite) 3、对Caffe (.caffemodel)、coff2 (predict_net.pb)和MXNet 等模型拥有友好地支持
bolt:Bolt是具有高性能和异构灵活性的深度学习库
丰富的模型转换：支持Caffe，ONNX，TFLite，Tensorflow。 各种推理精度：支持FP32，FP16，INT8、1-BIT。 多种平台： ARM CPU（v7，v8，v8.2），Mali GPU，X86（AVX2） Bolt是第一个支持NLP的人，也支持常见的CV...
人体姿态检测
Python+OpenCV+OpenPose实现人体姿态估计（人体关键点检测）代码说明参见：https://blog.csdn.net/m0_38106923/article/details/89416514
pycdc.exe可执行文件
A Python Byte-code Disassembler/Decompiler
Decompyle++ aims to translate compiled Python byte-code back into valid and human-readable Python source code. While other projects have achieved this with varied success, Decompyle++ is unique in that it seeks to support byte-code from any version of Python.
Decompyle++ includes both a byte-code disassembler (pycdas) and a decompiler (pycdc).
As the name implies, Decompyle++ is written in C++.
目标检测+行人跟踪+行为识别等项目实战源码分享
其中吸烟监测、口罩率监测、火灾监测都由目标检测算法YOLO算法训练所得，项目中也提供了训练代码。行为安全监测由OpenPose算法提取人体姿态再进行分类识别；人群密度监测由MSCNN算法进行估计；行为轨迹跟踪由目标检测+Deepsort跟踪轨迹绘制而成。
tflite2onnx:将TensorFlow Lite模型（* .tflite）转换为ONNX
