YOLOv11 onnxruntime推理常见问题

已于 2025-08-08 13:46:06 修改
阅读量153 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： YOLO报错 文章标签： YOLO
于 2025-08-08 13:45:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_53182191/article/details/147983844

1、onnxruntime.capi.onnxruntime_pybind11_state.NoSuchFile: [ONNXRuntimeError] : 3 : NO_SUCHFILE : Load model from /runs/train/11s_RSOD_epoch300_1/weights/best.onnx failed:Load model /runs/train/11s_RSOD_epoch300_1/weights/best.onnx failed. File doesn't exist

原因：onnxruntime(cpu版本)和onnxruntime-gpu冲突

解决方法：卸载onnxruntime

安装onnxruntime-gpu:

pip install onnxruntime-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
YOLOv8目标检测——详细记录使用ONNX Runtime进行推理部署C++/Python实现
小拉拉的博客
12-14 1万+
在之前博客中有介绍YOLOv8从环境安装到训练的完整过程，本节主要介绍ONNX Runtime的原理以及使用其进行推理加速，使用Python、C++两种编程语言来实现。
Opencv推理yolov5（onnx)
za6992322的博客
09-12 1136
C++部署目标检测模型
YOLOv5lite+onnxruntime树莓派实时识别检测
CadyCady的博客
08-16 6399
树莓派运行YOLOv5-Lite
使用c++onnxruntime部署yolov5模型并使用CUDA加速
DUT_LYH
03-28 2136
YOLOv5模型在目标检测领域具有广泛的应用，通过使用C++、ONNX Runtime和CUDA进行部署和加速，可以进一步提高模型的实时性和性能。模型压缩和加速：通过模型压缩技术，如知识蒸馏、量化等，进一步减小模型大小，提高推理速度。硬件优化：利用新型硬件，如TPU、FPGA等，进行模型部署和加速。模型可解释性：提高模型的可解释性，以便更好地理解模型的决策过程。数据隐私和安全：在部署模型时，保护用户数据隐私和安全。
深度学习模型部署(三)Onnxruntime部署yolov5实战
qq_45983373的博客
03-10 2465
使用onnxruntime推理yolov5实战
深度学习姿态估计实战：基于ONNX Runtime的YOLOv8 Pose部署全解析
hasque2019的博客
06-05 823
本文将详细介绍如何脱离YOLO官方环境，使用ONNX Runtime部署YOLOv8姿态估计模型。内容包括模型加载、图像预处理（Letterbox缩放和填充）、推理执行、输出解码（边界框和关键点处理）、非极大值抑制（NMS）以及结果可视化。文章还将讨论部署中的性能优化和常见问题。
YOLOv3-SPP 的 ONNX 导出与部署指南
guoguozgw的博客
07-03 597
││├— Detection Head（三个层级输出）│└— Output: detections [1, 255, 13, 13]（P5）+ P4/P3 输出（若多尺度输出启用）步骤内容✅ Step 1加载 PyTorch 模型（Darknet-53 + SPP）✅ Step 2构造 dummy input（416×416×3）✅ Step 3使用 torch.onnx.export 导出模型✅ Step 4。
深度学习模型部署——基于Onnx Runtime的深度学习模型CPU与GPU部署（C++实现）
热门推荐
知来者逆的博客
05-18 1万+
以上就是在win 10下使用Onnx Runtime用CPU与GPU来对onnx模型进行推理部署的对比，可以明显的看出来，使用GPU之后的推理速度，但在正式的大型项目中，在win下使用GPU部署模型是不建议，一般都会选择Linux,那样对GPU的利用率会高出不少，毕竟蚊腿肉也是肉。
yolov8模型部署到安卓项目（非NCNN，使用ONNX运行时）
qq_64809150的博客
08-17 3515
简单的讲一下如何直接部署onnx格式的yolov8模型，不使用ncnn，而是直接使用onnxruntime部署模型
C++使用onnxruntime部署yolov11-cls图像分类onnx模型源码.7z
10-07
本篇将详细介绍如何使用C++结合onnxruntime部署一个应用于图像分类的yolov11-cls模型，并提供相应的源码和运行环境信息。 首先，要理解yolov11-cls模型。YOLO（You Only Look Once）是一种流行的目标检测算法，它以...
计算机视觉_深度学习_目标检测_YOLOV7_OpenCV_ONNXRuntime_C_Python_模型部署_图像预处理_BGR2RGB_非等比缩放_归一化_14个ONNX模型_百度云下载_.zip
06-15
目标检测_YOLOV7_OpenCV_”可能是指一个具体的项目或是教程的名称，而“yolov7-opencv-onnxrun-cpp-py-main”则很可能是一个包含了核心代码的文件夹，其中包含了用C++和Python编写的使用YOLOV7和ONNX Runtime的代码...
LabVIEW集成YOLOv5车牌识别：基于ONNXRuntime的高性能C++ DLL封装及应用
04-08
首先，使用ONNXRuntime将YOLOv5模型转换为ONNX格式，并解决了转换过程中可能出现的问题，如opset版本选择和动态轴设置。接着，利用C++封装了一个高效的DLL，优化了推理引擎的性能，包括线程管理和内存管理等方面。...
yolov13训练25电赛c题数据集（windows）
m0_73177436的博客
08-06 964
本文介绍了在 Windows 系统下使用 Anaconda 配置 YOLOv13 工程的完整流程，包括下载源码、修改适配 Windows 的 requirements.txt 依赖、创建并激活 Python 3.11 环境、安装 CPU 或 GPU 版本的 PyTorch 及其他依赖，配置数据集和模型文件后进行模型训练，并通过脚本实现测试与结果可视化，适用于参加电赛等目标检测任务。
目标检测数据集 - 火焰检测数据集下载「包含COCO、YOLO两种格式」
极智视界
08-08 215
目标检测数据集 - 火焰检测数据集下载「包含COCO、YOLO两种格式」
（二）0基础配置YOLOv11环境与模型训练及应用（PyCharm）
qq_35540725的博客
08-06 315
本文详细介绍了YOLOv11模型的训练与测试流程。首先通过GitHub获取源码，配置数据集路径并编写训练脚本，完成10轮训练生成最佳模型（best.pt）。随后使用测试脚本对单张图片和测试集文件夹进行检测，结果保存在指定路径。文章从环境搭建到模型应用完整呈现了目标检测任务的实现过程，为后续模型优化奠定了基础。所有代码和数据集路径均采用绝对路径确保可复现性。
Baumer高防护相机如何通过YoloV8深度学习模型实现输电线路塔电缆检测分割（C#代码UI界面版）
最新发布
xianzuzhicai的博客
08-09 536
Baumer高防护相机如何通过YoloV8深度学习模型实现输电线路塔电缆检测分割（C#代码UI界面版）
目标检测数据集 - 无人机检测数据集下载「包含COCO、YOLO两种格式」
极智视界
08-09 117
目标检测数据集 - 无人机检测数据集下载「包含COCO、YOLO两种格式」
C# OnnxRuntime yolov8 纸箱检测
.NET 人工智能实践
08-09 338
C# OnnxRuntime yolov8 纸箱检测
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值