Yolo导出onnx，关于opset版本和simplify参数设置

一. yolo导出onnx关于opset版本设置。

1. 先安装onnx和onnxsim。

2. yolo有官方的导出代码，自己写一个更简单一些。

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO('runs/xxx/weights/best.pt')
    model.export(format='onnx', opset=17, simplify=True)

3. 代码中，opset用什么版本，由onnx和torch版本最高能支持opset的版本而定。

  3.1查看onnx能支持的opset最高的版本。执行下面的onnx的代码。（我的最高支持opset 1.21）

from onnx import version, IR_VERSION
from onnx.defs import onnx_opset_version

print(f"onnx.__version__ = {version.version!r}, opset={onnx_opset_version()}, IR_VERSION={IR_VERSION}")

  3.2查看torch能支持的opset最高的版本，以torch1.13版本为例，

  浏览器输入网址：torch.onnx — PyTorch 1.13 documentation

（查看到opset最高只支持1.17）

如果要查询torch其他版本最高能支持opset多少，只需要把下面的网址中的1.13改为你要查询的版本即可。

所以上述代码转onnx模型代码中，opset设置为17。

二. yolo导出onnx关于simplify参数设置。

点击查看what is this package used for? · Issue #38 · daquexian/onnx-simplifier · GitHub

（onnx-simplifier能折叠并删除onnx中的冗余计算，加快模型推理）

例如，未加simplify，导出的onnx模型是4.1M，加上simplify，导出的onnx模型是3.9M，会更小一点，这样能减少计算量，加快推理。 

三. yolo导出onnx进行推理和pt推理对比。

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    # 用onnx模型进行推理
    model = YOLO('runs/xxx/weights/best.onnx')   # 用pt推理，需要best.onnx改为best.pt
    model.predict(source='images',
                   imgsz=640,
                   project='runs/detect',
                   name='exp',
                   save=True,
                   conf=0.2,
                  )

注意：用onnx进行推理和用pt进行推理，推理得到的类别几乎相同，但置信度会有一点差异，跟onnx用640*640和pt用384*640进行推理有部分关系。

注： torch能直接调用onnx模型进行推理，这样就能用同一个代码，加载pt和onnx进行模型推理，进行精度对比。