pytorch 41 yolov8的无nsm后处理的onnxruntime部署方案

自onnx11版本及以后，onnx支持将nms操作嵌入到模型中。本博文将yolov8模型的nms操作嵌入到模型中可以大幅度的简化模型部署代码，提升模型推理速度（在以往大家都是使用opencv的库进行nms操作，CPU效率必然是不如GPU的）。同时修改了yolov8输出的格式，移除了每一个类别的conf信息，只保留了maxClassConf和maxClassId。
后续会补充C++、C#部署案例，目前仅有python onnxruntime部署案例。

1、模型结构分析

1.1 onnx模型导出

使用以下代码即可将yolov8模型导出为onnx文件

from ultralytics import YOLO

model = YOLO("yolov8s.pt")  # load a pretrained model (recommended for training)
path = model.export(