模型转换
模型转换1、Jetson Orin YOLO11（基准测试）2、启用主板最佳性能2.1、启用MAX功率模式2.2、启用Jetson时钟3、模型转换3.1、CLI：pt → onnx → engine 3.2、Python：pt → onnx → engine4、模型预测CLI使用常见问题ERROR: onnxslim参考资料
1、Jetson Orin YOLO11（基准测试）
YOLO11基准测试数据来源Ultralytics团队，对多种不同格式的模型进行测试（数据仅供参考）
2、启用主板最佳性能
2.1、启用MAX功率模式
在Jetson上启用 MAX Power Mode（最大功率模式）将确保打开所有CPU 、GPU 内核：
xxxxxxxxxx sudo nvpmodel -m 2
2.2、启用Jetson时钟
启用Jetson Clocks将确保所有CPU,GPU内核都以最大频率运行：
xxxxxxxxxx sudo jetson_clocks
3、模型转换
根据Ultralytics团队提供的不同格式模型下的测试参数，我们可以发现在使用TensorRT进行推理性能最佳！
首次使用YOLO11的导出模式会自动安装一些依赖，等待自动完成即可！
3.1、CLI：pt → onnx → engine
将PyTorch格式的模型转化成TensorRT：转化过程会自动生成ONNX模型
xxxxxxxxxx cd /home/jetson/ultralytics/ultralytics x yolo export model=yolo11n.pt format=engine # yolo export model=yolo11n-seg.pt format=engine # yolo export model=yolo11n-pose.pt format=engine # yolo export model=yolo11n-cls.pt format=engine # yolo export model=yolo11n-obb.pt format=engine
3.2、Python：pt → onnx → engine
将PyTorch格式的模型转化成TensorRT：转化过程会自动生成ONNX模型
x cd /home/jetson/ultralytics/ultralytics/yahboom_demo x python3 model_pt_onnx_engine.py x from ultralytics import YOLO # Load a YOLO11n PyTorch model # model = YOLO("/home/jetson/ultralytics/ultralytics/yolo11n.pt") model = YOLO("/home/jetson/ultralytics/ultralytics/yolo11n-seg.pt") # model = YOLO("/home/jetson/ultralytics/ultralytics/yolo11n-pose.pt") # model = YOLO("/home/jetson/ultralytics/ultralytics/yolo11n-cls.pt") # model = YOLO("/home/jetson/ultralytics/ultralytics/yolo11n-obb.pt") # Export the model to TensorRT model.export(format="engine")
注意：转换生成的模型文件位于转化的模型文件位置
4、模型预测
CLI使用
CLI目前只支持调用USB摄像头，CSI摄像头用户可以直接修改前面的python代码进行onnx和engine模型的调用！
x cd /home/jetson/ultralytics/ultralytics x yolo predict model=yolo11n.onnx source=0 save=False show
x yolo predict model=yolo11n.engine source=0 save=False show
常见问题
ERROR: onnxslim
解决办法：终端输入onnxslim安装命令
x sudo pip3 install onnxslim
