（三）Yolov8的NCNN模型导出与关键点检测任务部署

最新推荐文章于 2025-07-23 20:30:40 发布

原创

最新推荐文章于 2025-07-23 20:30:40 发布 · 2.1k 阅读

27 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO

(三)Yolov8的NCNN模型导出与部署

文章目录

(三)Yolov8的NCNN模型导出与部署

欢迎访问个人网络日志🌹🌹知行空间🌹🌹

1.`yolov8`导出`ncnn`模型

1).`ultralytics`直接导出`ncnn`模型

from ultralytics import YOLO

# Create a model
model = YOLO('/xx/data/code/ultralytics/yolov8n-pose.pt')

# Export the model to NCNN with arguments
model.export(format='ncnn', half=True, imgsz=480)

执行上面的代码，会在当前路径创建yolov8n-pose_ncnn_model文件夹:

.
├── metadata.yaml
├── model.ncnn.bin
├── model.ncnn.param
└── model_ncnn.py

model_ncnn.py是ncnn模型推理的测试文件，可以直接执行测试导出的模型是否能正常工作。

不过ultralytics是使用pnnx导出的ncnn模型，使用c++导入，

auto net_ = std::make_unique<ncnn::Net>();
assert(net_->load_param(param_file) == 0);
assert(net_->load_model(bin_file) == 0);

2).`ultralytics`导出`onnx`模型再转`ncnn`模型

step1:ultralytics导出onnx模型

from ultralytics import YOLO

# Create a model
model = YOLO('/xx/data/code/ultralytics/yolov8n-pose.pt')

# Export the model to NCNN with arguments
model.export(format='ncnn', half=True, imgsz=480