基于Streamlit的YOLOv5ToX模型转换工具（适用YOLOv5训练出来的模型转化为任何格式）

🔥简介

当用户基于各种原因学习并使用了一种框架的时候，常常会发现应用或者再训练的场景改变了，比如用户用 Caffe 训练好了一个图像识别的模型，但是生产环境是使用 TensorFlow 做预测。再比如某机构主要以TensorFlow作为基础的深度学习开发框架，现在有一个深度算法项目，需要将其部署在移动设备上，并希望使用速度较优的ncnn前向框架，以观测变现等等。传统地我们可能需要用tf重写Caffe，或用Caffe2重写tf，然后再训练参数，试想这将是一个多么耗时耗力的过程。因此，深度学习模型转换技术在AI工程化中将变得越来越重要。

本次我们带来了一个YOLOv5转化成任何模型结构的小工具，其帮助你快速迁移训练的模型，该工具支持的转化模型的格式有：

编号	格式	参数	模型	用途
01	PyTorch	-	`yolov5s.pt`	-
02	TorchScript	`torchscript`	`yolov5s.torchscript`	移动端
03	ONNX	`onnx`	`yolov5s.onnx`	通用
04	OpenVINO	`openvino`	`yolov5s_openvino_model/`	边缘云
05	TensorRT	`engine`	`yolov5s.engine`	边缘计算
06	CoreML	`coreml`	`yolov5s.mlmodel`	Apple
07	TensorFlow SavedModel	`saved_model`	`yolov5s_saved_model/`	完整的TF模型
08	TensorFlow GraphDef	`pb`	`yolov5s.pb`	数据流图
09	TensorFlow Lite	`tflite`	`yolov5s.tflite`	移动端
10	TensorFlow Edge TPU	`edgetpu`	`yolov5s_edgetpu.tflite`	边缘计算
11	TensorFlow.js	`tfjs`	`yolov5s_web_model/`	web

❗ 注：参考官方文档：https://github.com/ultralytics/yolov5/releases/tag/v6.1

⚡使用教程

💡 多选，多个模型转换和下载

streamlit run app_03.py # v0.2 推荐
streamlit run app_02.py # v0.1
1
2

💡 单选，单个模型转换和下载

streamlit run app_01.py # v0.1
1

❤️使用效果

❤️ 单选，单个模型转换界面与下载效果

上传界面

单选模型界面（v0.1）

单选模型转换与下载界面（v0.1）

❤️ 多选，多项模型转换界面与下载效果

多选模型界面（v0.2）

多选模型操作与转换界面（v0.2）

多选模型转换界面（v0.2）

多选模型转换与下载界面（v0.2）

模型下载解压界面（v0.2）

❗ 注：tflite和tfjs需要分开导出

🔥🔥工具获取

【面包多-基于Streamlit的YOLOv5ToX模型转换工具源码下载】

相关阅读:
Istio 入门(三)：体验 Istio、微服务部署、可观测性
YOLOv8 多种任务网络结构详细解析 | 目标检测、实例分割、人体关键点检测、图像分类
FlinkSQL-- sql-client及源码解析 -- flink-1.13.6
37.普利姆（Prim）算法
ArrayList源码解析
JSON 对象（object）
7.Eureka注册中心
7.7 网络（一）
ARINC825规范简介
分类预测 | MATLAB实现PCA-GRU(主成分门控循环单元)分类预测

原文地址：https://blog.csdn.net/u014297502/article/details/126129933