【完整项目下载地址】：

【TensorRT部署YOLO项目：实例分割+目标检测】+【C++和python两种方式】+【支持linux和windows】资源-CSDN文库

目录

写在前面

环境准备

安装必要的库

下载模型并开始转换

解决依赖问题

安装 ONNX

降级 Protobuf

最终转换

总结

---

写在前面

在第一篇博客【Windows/C++/yolo开发部署01】TensorRT-YOLO快速编译-CSDN博客中，我们介绍了TensorRT-YOLO编译。

本文，我们介绍该系列的第二篇文章：如何将 Ultralytics 训练好的 YOLO 模型从 .pt 格式转换为 ONNX 格式。

【Windows/C++/yolo开发部署01】TensorRT-YOLO快速编译-CSDN博客在深度学习中，模型的转换是常见的需求，尤其是从 PyTorch 的 .pt 格式转换为 ONNX 格式，以便在不同的平台或框架中部署。

环境准备

首先，激活已经创建好的虚拟环境：

conda activate tensorrt_yolo_export_pt_2_onnx--2

安装必要的库

在激活的环境中，安装所需的库【直接跳过，因为第一篇博客中，已经安装了】：

pip install torch
pip install ultralytics