onnx转换成ncnn或者tnn怎么搞啊

Question

移动端部署的时候死活转不了，真的累了😭😭 有没有哪位可以帮忙搞一下啊

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你看下这篇博客吧, 应该有用👉 ：【ncnn android】算法移植（二）——编译ncnn支持onnx
• 以下回答来自chatgpt: 作为一名资深的IT专家，我会尽我所能为您提供一些可能的解决方案和建议。首先，我需要了解您遇到的具体问题和错误提示信息。因为这个过程中可能会有各种原因导致转换失败，例如 ONNX 模型的版本、NCNN 或 TNN 的版本等等。因此，解决方案可能因人而异。 以下是一些可能的解决方案： 1. 确认 ONNX 模型版本和 NCNN 或 TNN 的版本是否兼容。不同版间可能会存在某些兼容性问题，需要保证版本一致性。您需要在进行转换之前，确定所使用的版本，并根据官方文档查找相应的转换方案。 2. 确认 ONNX 模型是否可以正确加载。您可以使用 ONNX 的官方 Python API 或其他支持 ONNX 格式的深度学习框架（如 PyTorch、TensorFlow 等）加载该模型，检查模型是否正确，并确保您有权访问该模型的权利。 3. 如果您使用的是 NCNN，可以使用它提供的命令行工具（ncnn转换工具）将ONNX转换成NCNN，详情可以查看官方文档。 4. 如果您使用的是 TNN，则需要使用它提供的工具（convertor）将ONNX 转换成 TNN。您可以通过正确设置 quantize 、 gpu 等配置参数，以最佳方式部署模型。 5. 您也可以尝试使用其他的神经网络计算库，像 OpenCV 的DNN模块，或者 NNIE 等库。这些库提供的 API 与 ONNX 模型的兼容性更好，除此之外，这些库也可以提供部署优化、集成运行环境的支持。 6. 您还可以寻求开发者社区的帮助，社区中许多人都有类似的使用经验，也许他们在处理上有更好的经验和技巧。 总之，将 ONNX 模型转换成 NCNN 或 TNN 格式，在移动端部署和优化的过程中，需要认真寻找帮助文档并协调各种参数设置。不同的转换工具可能会有不同的缺陷和局限性，需要斟酌选择最适合您的解决方案。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^