person_monitor_fy/dependence/PaddleDetection/deploy/EXPORT_ONNX_MODEL.md

PaddleDetection模型导出为ONNX格式教程

PaddleDetection模型支持保存为ONNX格式，目前测试支持的列表如下 | 模型 | OP版本 | 备注 | | :---- | :----- | :--- | | YOLOv3 | 11 | 仅支持batch=1推理；模型导出需固定shape | | PPYOLO | 11 | 仅支持batch=1推理；MatrixNMS将被转成NMS，精度略有变化；模型导出需固定shape | | PPYOLOv2 | 11 | 仅支持batch=1推理；MatrixNMS将被转换NMS，精度略有变化；模型导出需固定shape | | PPYOLO-Tiny | 11 | 仅支持batch=1推理；模型导出需固定shape | | FCOS | 11 |仅支持batch=1推理 | | PAFNet | 11 |- | | TTFNet | 11 |-| | SSD | 11 |仅支持batch=1推理 | | PicoDet | 11 |仅支持batch=1推理 |

保存ONNX的功能由Paddle2ONNX提供，如在转换中有相关问题反馈，可在Paddle2ONNX的Github项目中通过ISSUE与工程师交流。

导出教程

步骤一、导出PaddlePaddle部署模型

导出步骤参考文档PaddleDetection部署模型导出教程, 以COCO数据集训练的YOLOv3为例，导出示例如下

cd PaddleDetection
python tools/export_model.py -c configs/yolov3/yolov3_darknet53_270e_coco.yml \
                             -o weights=https://paddledet.bj.bcebos.com/models/yolov3_darknet53_270e_coco.pdparams \
                             TestReader.inputs_def.image_shape=[3,608,608] \
                             --output_dir inference_model

导出后的模型保存在inference_model/yolov3_darknet53_270e_coco/目录中，结构如下

yolov3_darknet
  ├── infer_cfg.yml          # 模型配置文件信息
  ├── model.pdiparams        # 静态图模型参数
  ├── model.pdiparams.info   # 参数额外信息，一般无需关注
  └── model.pdmodel          # 静态图模型文件

注意导出时的参数TestReader.inputs_def.image_shape，对于YOLO系列模型注意导出时指定该参数，否则无法转换成功

步骤二、将部署模型转为ONNX格式

安装Paddle2ONNX（高于或等于0.6版本)

pip install paddle2onnx

使用如下命令转换

paddle2onnx --model_dir inference_model/yolov3_darknet53_270e_coco \
            --model_filename model.pdmodel \
            --params_filename model.pdiparams \
            --opset_version 11 \
            --save_file yolov3.onnx

转换后的模型即为在当前路径下的yolov3.onnx