介绍
一种转换工具，可将YOLO v3暗网权重转换为TF Lite模型（YOLO v3 PyTorch> ONNX> TensorFlow> TF Lite）和TensorRT模型（dynamic_axes分支）。
先决条件
python3
torch==1.3.1
torchvision==0.4.2
onnx==1.6.0
onnx-tf==1.5.0
onnxruntime-gpu==1.0.0
tensorflow-gpu==1.15.0
码头工人
docker pull zldrobit/onnx:10.0-cudnn7-devel
用法
1.下载预训练的Darknet权重：
cd weights
wget https://pjreddie.com/media/files/yolov3.weights
2.将YOLO v3模型从Darknet权重转换为ONNX模
2021-08-19 21:52:15
1.52MB
1
tensorflow-yolov4-tflite
YOLOv4，YOLOv4-tiny在Tensorflow 2.0中实现。 将YOLO v4，YOLOv3，YOLO tiny .weights转换为.pb，.tflite和trt格式以生成tensorflow，tensorflow lite和tensorRT。
下载yolov4.weights文件： ://drive.google.com/open id 1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT
先决条件
Tensorflow 2.3.0rc0
性能
演示版
# Convert darknet weights to tensorflow
# # yolov4
python save_model.py --weights ./data/yolov4.weights --output ./checkpoints/yolov4-416 --input_size 416 --model yolov4
# # yolov4-tiny
python save_model.py --weights ./data/
2021-06-21 09:16:05
34.07MB
1
TensorFlow Lite 示例 Image segmentation 要用的模型文件，专门下的，从Android studio里下不下来
2021-05-23 15:48:38
2.65MB
1
TensorFlow Lite模型，项目训练的端到端的深度学习框架StegaStamp，用于将经过56位纠错的超链接编码成任意自然图像。
2021-05-13 16:08:47
210.04MB
1
tensorflow2.0部署，首先训练keras模型，然后转tflite，最后在安卓上调用
2021-04-29 16:09:34
134.07MB
1
FaceNet和MTCNN转TFLITE和CoreML
git clone https://github.com/jiangxiluning/facenet_mtcnn_to_mobile.git
cd facenet_mtcnn_to_mobile
pipenv install --dev # 布道 pipenv , 通过使用 pipenv 安装所有依赖包，使用其他版本的包，有可能出现各种转换问题。
pipenv shell # 孵化出运行项目的 shell 环境，以下命令需要在该环境中运行
转换FaceNet
cd facenet
型号名称
LFW精度
训练数据集
建筑
0.996
2021-04-27 21:11:28
5.4MB
1