1. 环境要求
为了确保不会出现因环境问题导致的错误,强烈建议使用下面的环境:
torch:1.7.0
torchvision:0.7.0
python: 3.7
yolov5: release <= 3.1
2. 准备工作
Clone 代码和下载预训练权重,详细请参考这篇文章《YOLOv5的详细使用教程,以及使用yolov5训练自己的数据集》
注意:
-
yolov5 的代码需要checkout到对应的tag。
如:git checkout v3.1
-
预训练的模型也要下载对应版本。如v3.1 release。
3. jit trace
下面以Yolov5s为例,描述trace的过程。
-
cd yolov5
-
新建一个jit_trace.py的文件,代码如下:
import torch import torchvision import models from models.experimental import attempt_load torch_model = attempt_load('weights/yolov5s.pt', map_location=torch.device('cpu')) torch.jit.trace(torch_model, torch.rand([1, 3, 640, 640])).save('yolov5_jit.pt')
-
因为jit_trace不支持条件和循环,所以模型最后的后处理部分不能trace,需要屏蔽掉。这部分放在模型外通过代码来实现。
具体做法。 修改model/yolo.py中Detect的forward函数,屏蔽掉条件判断处理部分。
-
执行trace。
python3 jit_trace.py
trace成功后,会看到trace后的yolov5_jit.pt模型。