【YOLOv11】015、YOLOv11模型部署：使用ONNX Runtime进行CPU/GPU推理

张开发
• 2026/5/24 17:34:36 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

【YOLOv11】015、YOLOv11模型部署：使用ONNX Runtime进行CPU/GPU推理
昨天深夜，隔壁组的同事跑过来问我：“模型在PyTorch里跑得好好的，导出ONNX后推理速度反而慢了，这正常吗？” 我看了眼他的代码，发现他直接把模型丢给ONNX Runtime，连最基本的session配置都没做。这问题太典型了，今天咱们就聊聊YOLOv11的ONNX Runtime部署，那些容易踩坑的细节。从PyTorch到ONNX：别急着export很多人拿到训练好的YOLOv11模型，第一反应就是直接torch.onnx.export。先等等，导出前得确保模型处于推理模式：model.eval()# 这个不能忘model.to('cpu')# 导出时最好在CPU上#

更多文章