teng
teng
这个可能需要给官方提issues
yolo.py -> class Detect(nn.Module):
只有在导出的时候改一下就可以了，训练时不用改使用默认的就行。
nanodet与nanodet-plus的后处理部分变了，需要自己改下后处理。yolov5是比较早的版本不知道有没有什么变化，项目的转换过程参考这个：https://github.com/cmdbug/TNN_Demo/issues/1
20210423：最新版tnn好像已经支持5维可以直接导出，不用修改导出部分但需要修改后处理部分代码（未测试）。 以下为4维方式，按这种方式可以不修改后处理部分代码。 yolov5 支持v1/v2/v3 版本，v4/v5版本好像模型有改动，未测试。 首先tnn暂时不支持5维的计算，所以在模型输出部分有5维的数据需要修改：  然后导出部分：  导出 onnx 后使用 onnx-simplifier 优化一下。 再使用 https://convertmodel.com 直接 onnx -> tnn 生成模型就好了。 再用 netron 打开 .tnnproto 看下对应的输出名称，并修改 .h 文件对应的值。  ...
> 大佬，加我一下QQ啊：446143919 做什么？
刚开始学，不敢瞎带 QAQ
model.model[-1].export = True 写对了嘛，导出 onnx 时不应该进入你报错的这一部分啊。即：if not srlf.training: 这个 if 是不进入的。
不需要重新训练，，按原始的训练，，只有在导出的时候改成这样就可以了。