apps/FastDeploy
1
0
Fork 0
mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-31 11:56:44 +08:00
Code Issues Actions 6 Packages Projects Releases Wiki Activity
Files
4ce682272214fcf12f8cc6dbd9b8c7f55353b4ed
FastDeploy/examples/vision/classification/yolov5cls/README.md
WJJ1995 d259952224 [Bug Fix] change reused_input_tensors&&reused_output_tensors name (#534) 
* add paddle_trt in benchmark

* update benchmark in device

* update benchmark

* update result doc

* fixed for CI

* update python api_docs

* update index.rst

* add runtime cpp examples

* deal with comments

* Update infer_paddle_tensorrt.py

* Add runtime quick start

* deal with comments

* fixed reused_input_tensors&&reused_output_tensors

Co-authored-by: Jason <928090362@qq.com>
2022-11-09 00:33:33 +08:00

1.7 KiB
Raw Blame History

YOLOv5Cls准备部署模型

  • YOLOv5Cls v6.2部署模型实现来自YOLOv5,和基于ImageNet的预训练模型
    • （1）官方库提供的*-cls.pt模型，使用YOLOv5中的export.py导出ONNX文件后，可直接进行部署；
    • （2）开发者基于自己数据训练的YOLOv5Cls v6.2模型，可使用YOLOv5中的export.py导出ONNX文件后，完成部署。

下载预训练ONNX模型

为了方便开发者的测试，下面提供了YOLOv5Cls导出的各系列模型，开发者可直接下载使用。（下表中模型的精度来源于源官方库）

模型 大小 精度(top1) 精度(top5)
YOLOv5n-cls 9.6MB 64.6% 85.4%
YOLOv5s-cls 21MB 71.5% 90.2%
YOLOv5m-cls 50MB 75.9% 92.9%
YOLOv5l-cls 102MB 78.0% 94.0%
YOLOv5x-cls 184MB 79.0% 94.4%

详细部署文档

版本说明