昇腾 310B 模型转换全指南：从 PT 到 ONNX 再到 OM

国家特级不保护废物

1个月前更新

820

在 Orange Pi AIpro 上运行 AI 项目，最关键的一步就是将通用的 ONNX 模型转换为昇腾 NPU 专用的 .om 离线模型。本文使用yolov8m-pose.pt模型为例。

本文总结了最稳妥的转换流程，帮你彻底解决转换报错和性能瓶颈。

一、核心整备：确保环境稳如泰山

转换中型模型（如 YOLOv8m）非常消耗内存。如果不提前设置，ATC 进程极易被系统“Killed”。

1. 开启 4GB 虚拟内存 (Swap)

这是转换成功的前提！ 即使物理内存够用，交换空间也能缓冲 ATC 编译算子时的瞬时峰值。

sudo fallocate -l 4G /swapfile 
sudo chmod 600 /swapfile 
sudo mkswap /swapfile 
sudo swapon /swapfile
free -h 
# 验证：free -h 确认 Swap 行显示 4.0Gi 即可

2. 激活 CANN 工具链并安装相关库

每次打开新终端执行模型转换前，必须加载环境变量（环境变量配置请查看 Orange Pi AIpro (310B) NPU 开发环境搭建）：

source /usr/local/Ascend/ascend-toolkit/set_env.sh 

# 进入你的 conda 环境（如已配置） 
conda activate ascend_atc

# 2. 安装 Ultralytics 核心库（包含 YOLOv8 所有导出工具）
pip install ultralytics

#验证atc
atc

这里报错不用管，输出ATC start working now, please wait for a moment.即验证成功。

二、 ONNX模型导出

不要直接使用默认设置导出 ONNX！昇腾工具链对最新的 ONNX Opset（如 v22）解析尚不完备。

1. 黄金导出指令 (Python)

在导出时必须显式指定 opset=11。这是昇腾各版本 CANN 兼容性最强、运行最稳的版本。运行以下命令会自动从 Ultralytics 官方服务器下载 yolov8m-pose.pt 到当前目录，并立即导出为昇腾兼容的 ONNX 格式，前提是开发板必须联网。

python3 -c "from ultralytics import YOLO; YOLO('yolov8m-pose.pt').export(format='onnx', imgsz=640, opset=11)"

📝 指令解析：

python3 -c: 直接在命令行运行引号内的 Python 代码。
yolov8m-pose.pt: 自动从官方下载 Nano 版姿态估计权重。
format='onnx': 指定导出格式。
imgsz=640: 设定模型输入分辨率（必须与后面 ATC 转换时的 input_shape 一致）。
opset=11: 最关键参数，确保昇腾 310B 的 ATC 工具链能够解析算子。

执行完后，当前目录下就会生成一个 yolov8m-pose.onnx 文件。

三、 ATC 转换：核心指令解析

拿到 opset=11 的 ONNX 后，使用 atc 命令进行编译：

atc --model=yolov8m-pose.onnx \
    --framework=5 \
    --output=yolov8m-pose \
    --input_format=NCHW \
    --input_shape="images:1,3,640,640" \
    --soc_version=Ascend310B1 \
    --log=error

🔍 ATC 转换指令核心参数速查

--model：输入路径，必须是 opset=11 导出的 ONNX 文件。
--framework=5：框架类型，数字 5 专门代表 ONNX 格式。
--output：输出名称，执行后自动生成 yolov8m-pose.om。
--input_format=NCHW：数据排布，YOLO 必须遵循“批次、通道、高、宽”顺序。
--input_shape：输入规格，需手动指定节点名（如 images）及尺寸（1,3,640,640）。
--soc_version=Ascend310B1：芯片型号，Orange Pi AIpro 务必填写 Ascend310B1。
--log=error：日志级别，设为 error 只显示关键报错，界面更清爽。

四、避坑经验总结

No parser is registered…: 报错通常是因为 ONNX 的 Opset 版本太高。请退回到 opset=11 重新导出。
Killed/OOM: 转换中途退出，说明 Swap 没开或者空间不足。
输出维度异常: 转换成功后，建议在 Python 中打印 model_desc。标准 YOLOv8-Pose 的输出维度应为 (1, 56, 8400)。

评分

欢迎为Ta评分