netron是一个深度学习模型可视化库，其支持以下格式的模型存储文件： ONNX (.onnx, .pb) Keras (.h5, .keras) CoreML (.mlmodel) TensorFlow Lite (.tflite) netron并不支持pytorch通过torch.save方法导出的模型文件，因此在pytorch保存模型的时候，需要将其导出为onnx格式的模型文件，可以利用torch.onnx模块实现这一目标。

使用yolov5训练的onnx吸烟检测权重文件，配置好环境可以直接使用，效果很好

sklearn-onnx：将Scikit-Learn模型/pipeline转换成ONNX格式

包含GPU和CPU两个版本，无论使用何种框架训练的onnx模型，都可以无缝集成到LabVIEW中，并使用工具包提供的CUDA,TensorRT接口实现加速推理

tflite2onnx-将TensorFlow Lite模型转换为ONNX tflite2onnx将TensorFlow Lite（TFLite）模型（ *.tflite ）转换为ONNX模型（ *.onnx ），并正确处理了数据布局和量化语义（有关详细信息，请*.onnx）。 强调 如果您想将TensorFlow模型（冻结图*.pb ， SavedModel或其他格式）转换为ONNX，请尝试 。 或者，您可以先将其为TFLite（ *.tflite ）模型，然后再将TFLite模型转换为ONNX。 微软在tf2onnx实现了另一个TensorFlow Lite至ONNX模型转换器（我们于2020年5月开源tflite2onnx ）。 tf2onnx似乎能够像我们一样转换量化，并且似乎能够转换尚不支持的RNN网络。 如果tflite2onnx缺少任何功能，请尝试tf2onnx --t

insightface/insightface

mmpose和openpose的onnx导出

Yolo v4用于pytorch，tensorflow渴望模式和onnx（通过Trident api） 感谢 所有预先准备好的模型权重和cfg均来自官方网站： 还要感谢Ultralytics的项目，它确实很棒而且很有帮助。 yolo v4的搜索结果 让我们看看有关yolo v4（pytorch后端）的出色性能！！ 更新（5/3）：增强小物品 在yolo v4中，缺少缺少对小物件的检测的缺点。 我试图解决短缺问题。 我发现解决此问题的最佳方法是在stride = 8 Yolo Layer（76 * 76）中修改对象 您所需要做的就是设置YoloLayer small_item_enhance = True（仅效果76 * 76 head） for module in detector.model.modules(): if isinstance(module,Yolo

开放式神经网络交换（ONNX）模型库ONNX模型库是用于深度学习的最新模型的预训练模型的集合，这些模型以ONNX格式提供。 每个模型都附带Jupyter n ONNX模型Zoo开放神经网络交换（ONNX）是一种用于表示机器学习模型的开放标准格式。 ONNX得到了许多合作伙伴的支持，这些合作伙伴已在许多框架和工具中实现了该功能。 ONNX模型动物园是由像您这样的社区成员提供的ONNX格式的经过预训练的最新模型的集合。 每个模型都随附有Jupyter笔记本，用于进行模型训练并根据训练后的模型进行推断。 笔记本是用Pyth编写的

简介此目录包含由Ultralytics LLC开发的PyTorch YOLOv3软件，可以根据GPL-3.0许可免费分发。 有关更多信息，请参见简介该目录包含Ultralytics LLC开发的PyTorch YOLOv3软件，可根据GPL-3.0许可免费重新分发。 有关更多信息，请访问https://www.ultralytics.com。 描述https://github.com/ultralytics/yolov3存储库包含PyTorch中YOLOv3的推断和培训代码。 该代码可在Linux，MacOS和Windows上运行。 默认情况下，对COCO数据集进行培训：https：//cocodataset.org/#home。 归功于Joseph Redmon的YO