模型准备
概述
模型文件准备
- 训练您选择的模型或获取现有模型。
- 如果模型是 ONNX (
.onnx)、OpenVINO IR (.xml和.bin) 或 TensorFlow Lite (.tflite) 格式，您可以跳过此步骤。如果模型是 支持的 PyTorch YOLO 模型之一，您也可以跳过此步骤。否则，请将其转换为上述格式之一。有关更多信息，请参阅 模型转换页面上“模型源准备”部分中的指南。 - 对于自定义模型，请在将模型文件上传到 Hub 之前，将其打包成 ONNX NN Archive。 这是推荐的起点，因为它将源模型的张量元数据、预处理和可选输出元数据与模型一起存储，并允许 Hub 在转换过程中重用该信息。
从原始
ONNX 文件开始仍然受支持，但这是一种更手动的方法。当 ONNX NN Archive 不适合您的工作流程时，或者当您有意自行提供转换参数时，请使用它。在这种情况下，请确保在转换过程中正确输入所有源模型值。