20210423：最新版tnn好像已经支持5维可以直接导出，不用修改导出部分但需要修改后处理部分代码（未测试）。
以下为4维方式，按这种方式可以不修改后处理部分代码。
yolov5 支持v1/v2/v3 版本，v4/v5版本好像模型有改动，未测试。
首先tnn暂时不支持5维的计算，所以在模型输出部分有5维的数据需要修改：

然后导出部分：

导出 onnx 后使用 onnx-simplifier 优化一下。
再使用 https://convertmodel.com 直接 onnx -> tnn 生成模型就好了。

再用 netron 打开 .tnnproto 看下对应的输出名称，并修改 .h 文件对应的值。

然后运行，搞定！

from tnn_demo.

使用您的权重文件没有任何问题，当使用自己的自己的权重文件（通过https://convertmodel.com转换，出现了一下错误。

同样的模型，转换成ncnn后可正常运行

from tnn_demo.

首先tnn暂时不支持5维的计算，所以在模型输出部分有5维的数据需要修改：

然后导出部分：

导出onnx后使用onnx-简化器优化一下。
再使用https://convertmodel.com直接onnx - > TNN生成模型就好了。

再用netron：.tnnproto看下对应的输出名称，并修改.h文件对应的值。

然后运行，搞定！

谢谢大佬的解答 ，ok了。

from tnn_demo.

大佬，加我一下QQ啊：446143919

from tnn_demo.

大佬，加我一下QQ啊：446143919

做什么？

from tnn_demo.

大佬，加我一下QQ啊：446143919

做什么？

我想以后优化再请教一下大佬，还有跟着大佬在学点MNN 呢

from tnn_demo.

刚开始学，不敢瞎带 QAQ

from tnn_demo.

刚开始学，不敢瞎带QAQ
没事的，我一个人回踩更多的坑

from tnn_demo.

Why did it report this error after I modified it like this?
"yolov5-master\utils\loss.py", line 129, in call
pxy = ps[:, :2].sigmoid() * 2. - 0.5
IndexError: too many indices for tensor of dimension 1

from tnn_demo.

首先tnn暂时不支持5维的计算，所以在模型输出部分有5维的数据需要修改：

然后导出部分：

导出 onnx 后使用 onnx-simplifier 优化一下。
再使用 https://convertmodel.com 直接 onnx -> tnn 生成模型就好了。

再用 netron 打开 .tnnproto 看下对应的输出名称，并修改 .h 文件对应的值。

然后运行，搞定！

我这样修改了之后，报这个错误是为什么呢？
"yolov5-master\utils\loss.py", line 129, in call
pxy = ps[:, :2].sigmoid() * 2. - 0.5
IndexError: too many indices for tensor of dimension 1

from tnn_demo.

model.model[-1].export = True
写对了嘛，导出 onnx 时不应该进入你报错的这一部分啊。即：if not srlf.training: 这个 if 是不进入的。

from tnn_demo.

写对了嘛，导出 onnx 时不应该进入你报错的这一部分啊

训练的时候报这个错

from tnn_demo.

不需要重新训练，，按原始的训练，，只有在导出的时候改成这样就可以了。

from tnn_demo.

不需要重新训练，，按原始的训练，，只有在导出的时候改成这样就可以了。

转换成tnn模型后，检测Box对不上了，是为什么呢？

from tnn_demo.

发个图片

from tnn_demo.

from tnn_demo.

看图片有部分是对的， 是不是 .h 文件里面的 layers 对应的输出没有改？就是 output, 413, 431 这3个没有改？

from tnn_demo.

改了

from tnn_demo.

怎么改的？步骤是什么？

from tnn_demo.

在netron看的outputs

from tnn_demo.

...

from tnn_demo.

找到问题了吗？

from tnn_demo.

你觉得你的回答有提供有用的信息嘛？我打的字都比你的多。。。

from tnn_demo.

先不用自己训练的模型，使用官方的模型，按上面的说明来学习下过程是不是对的。如果结果是对的再使用自己的模型，自己的模型错了请详细说明转换过程。如果官方模型都错了再认真看说明是不是哪一步错了。

from tnn_demo.

在netron看的输出name,然后修改的layers

from tnn_demo.

修改了yolo.py的5维数组，用官方的模型yolov5s.pt转成onnx，然后再用官方的tnn convert转成tnn模型，替换掉TNN_Demo的模型，修改了layers，就这样的步骤

from tnn_demo.

onnx-simplifier 呢？

from tnn_demo.

install了，用onnx-sim转换的

from tnn_demo.

试v3版本吧，v4的没试过。

from tnn_demo.

yolov5版本吗？

from tnn_demo.

我当时使用的是yolov5的v3，最近的v4不懂有没有改什么。

from tnn_demo.

v3版本现在跑不了了

from tnn_demo.

能试下yolov5 master版本转换的tnn效果吗？

from tnn_demo.

示例中的模型就是yolov5版本的。让你试v3的版本，
https://github.com/ultralytics/yolov5/releases

底下有代码跟模型:

v4版本激活函数改成了 nn.SiLU() ，tnn不懂支不支持。

from tnn_demo.

v3.1还是之前那样的效果，有的检查box没对上，好奇怪

from tnn_demo.

netron打开tnn的模型，看下输出的名称，并且看下 .h 文件的名称，2个图发下。

from tnn_demo.

from tnn_demo.

769对应16步长的嘛？如果不懂试下对换 769 跟 788

from tnn_demo.

还是不行

from tnn_demo.

用tnn官方这个转的：

convert onnx

docker run --volume=$(pwd):/workspace -it tnn-convert:latest python3 ./converter.py onnx2tnn
/workspace/mobilenetv3-small-c7eb32fe.onnx
-optimize
-v v3.0
-align
-input_file /workspace/in.txt
-ref_file /workspace/ref.txt

from tnn_demo.

把改过的代码的截图，onns-sim结果的截图，网址转换的截图都发下。

from tnn_demo.

from tnn_demo.

onnx-sim截图呢？网址转换的截图呢？？？？？？？？

from tnn_demo.

onnx-sim上面有了，我们公司不能访问这个https://convertmodel.com

from tnn_demo.

我上面说明过程说的是用netron打开 .tnnproto 文件看输出名称吧，，你打开 .onnx 文件干嘛，，，

from tnn_demo.

之前发了

from tnn_demo.

哪个地方发过 onnx-sim 了？？？

from tnn_demo.

onnx-sim就是那个onnx截图

from tnn_demo.

你这个图上的杯子相对于图片尺寸属于大目标，而大目标刚好是"output"(32步长)这个名称的输出，不管转换过程怎么名称是不会变的，所以大目标可以正确显示。但剩下的2个名称的输出属于中小目标（一个中目标 16步长的，一个小目标 8步长的）。转换过程会随着模型的转换可能会发生变化，结果不正确很有可能是这2个值没找到，导致中小目标不能显示。但到现在你完全没有提供有效信息，回答都是：好了，转换了，不对。。。

from tnn_demo.

不是吧，没有正确显示的有键盘的

from tnn_demo.

你提供的信息只能判断到这。

from tnn_demo.