重点(本质结构重参数化)
我们可以看到基于YoloV7训练的cfg有两种yaml文件，一个是training文件夹，一个是deploy文件夹，这两种文件夹有啥不一样呢？？？
大家可以看下下面别人的issuse，，记住这个很关键，就是你选择哪个yaml训练对你后面导出的onnx是很关键的，后面我们会说到。
1、training中的yaml文件最后是采用IDetect，而deploy中的yaml文件采用的是Detect
2、IDetect是在最后一个C5结构输出增加一个add操作，之后在进行conv,然后在mul操作，而Detect则是和v5一样的操作，没有add mul。
3、一句话：deploy模型中自带后处理和nms(非极大值抑制)，不需要自己在编写，强烈建议使用deploy进行训练，以下教程根据deploy配置文件进行编写
4、否则会报错：too many values to unpack (expected 7)，则是因为模型输出不是：float32[Concatoutput_dim_0,7]，而是 float32[1,25200,85]，需要自己编写后处理，也可以去yolov5代码中复制：文章来源：https://www.toymoban.com/news/detail-650451.html
5、类似paddlepaddle框架中也有配置如下图，需要yolov5，onnx预处理和后处理代码的私信我
文章来源地址https://www.toymoban.com/news/detail-650451.html
到了这里，关于python使用onnx模型进行推理的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
