在项目开发中，经常需要将训练好的YOLO模型转换成一个适用于Web环境的格式——ONNX（Open Neural Network Exchange）格式

导出方式

参考官方文档，给出了两种导出形式：

Python

from ultralytics import YOLO
​
# Load a model
model = YOLO("yolov8n.pt")  # load an official model
# model = YOLO('path/to/best.pt')  # load a custom trained model
​
# Export the model
model.export(
    format="onnx", dynamic=True
)  # export to ONNX (for deployment to C++, Android, iOS, etc.)
​

CLI

yolo export model=yolov8n.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

参数

该表详细说明了可用于将YOLO模型导出为不同格式的配置和选项。这些设置对于优化导出模型的性能、大小和跨各种平台和环境的兼容性至关重要。正确的配置确保模型可以以最佳效率部署到预期的应用程序中。

Argument	Type	Default	Description
format	str	'torchscript'	导出模型的目标格式，例如“onnx”、“torchscript”、“tensorflow”或其他格式，定义与各种部署环境的兼容性。
imgsz	int or tuple	640	模型输入所需的图像大小。正方形图像可以是整数，特定尺寸可以是元组(height, width)。
keras	bool	False	能够导出到Keras格式的TensorFlow SavedModel,提供了一种服务和api的兼容性。
optimize	bool	False	在导出到TorchScript时对移动设备进行优化，可能会减少模型大小并提高性能。
half	bool	False	实现FP16(半精度)量化，减少模型大小，并可能加快支持的硬件上的推理。
int8	bool	False	激活INT8量化，进一步压缩模型并以最小的精度损失加快推理，主要用于边缘设备。
dynamic	bool	False	允许ONNX和TensorRT导出的动态输入大小，增强了处理不同图像尺寸的灵活性。
simplify	bool	False	简化了ONNX导出的模型图，可能会提高性能和兼容性。
opset	int	None	指定ONNX opset版本，以兼容不同的ONNX解析器和运行时。如果没有设置，则使用支持的最新版本。
workspace	float	4.0	设置以GB为单位的最大工作空间大小，用于TensorRT优化，平衡内存使用和性能。
nms	bool	False	在CoreML导出中添加了非极大值抑制(NMS)，这对于准确和高效的检测后处理至关重要。

通过调整这些参数，可以定制导出过程以适应特定的需求，例如部署环境、硬件约束和性能目标。选择适当的格式和设置对于实现模型大小、速度和精度之间的最佳平衡至关重要。