Tensorflow调用训练好的yolov5模型进行推理

1、安装TensorFlow-GPU版本

1、创建虚拟环境python=3.8
conda create -n TF2.4 python=3.8

2、进入虚拟环境
conda activate TF2.4

3、去官网查看tensorflow对应cuda的版本
https://tensorflow.google.cn/install/source_windows?hl=zh-cn

conda search找找当前源下的CUDA与cuDNN有没有我们要的版本：

conda search cuda
conda search cudnn

conda install cudatoolkit=11.0.221
conda install cudnn=8.2.1

# 安装tensorflow-gpu版本
pip install tensorflow-gpu==2.4.0

1.2、验证是否安装正常

import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())

2、将训练好的pt文件转换成onnx文件

2.2、什么是Onnx模型和Tensorflow模型

Onnx（Open Neural Network Exchange）是一种开放的深度学习模型交换格式，用于在不同的深度学习框架之间共享模型。它提供了一个中间格式，可以将模型从一个框架转换为另一个框架。
Tensorflow是一个广泛使用的深度学习框架，提供了强大的模型构建和训练工具。Tensorflow模型通常以.pb文件格式保存，它包含了模型的结构和参数。

2.1、将onnx文件转换成pb文件

可以通过yolov5中export.py文件进行转换

python export.py --weights weights/best.pt --include onnx engine --img 640 --device 0

pb文件是tensorflow中可以使用的文件

使用代码进行转换

pip install --user tensorflow_probability==0.7.0

import onnx
from onnx_tf.backend import prepare
import tensorflow.keras as keras



# 加载Onnx模型
onnx_model = onnx.load('best.onnx')

# 转换为Tensorflow模型
tf_model = prepare(onnx_model)

# 保存为.pb文件
tf_model.export_graph('best.pb')

源码进行转换

源码下载：https://github.com/onnx/onnx-tensorflow#installation

之后再终端安装：

pip install -e.
pip install tensorflow-addons

都安装好之后就可以直接在终端进行转换了

onnx-tf convert -i D:\\yolov5_back\\weights\\best.onnx -o D:\\yolov5_back\\weights\\best.onnx.pb

转换过程中可能会报两个错误：
错误1：from keras import backend
ModuleNotFoundError: No module named ‘keras’

# 点击进入报错的文件中，修改这行
from tensorflow.keras import backend

错误2：
from tensorflow.keras.utils import tf_utils
ImportError: cannot import name ‘tf_utils’ from ‘tensorflow.keras.utils’ (C:\Users\Administrator.conda\envs\Tensorflow_gpu_2.4\lib\site-packages\tensorflow\keras\utils_init_.py)

# 解决方法直接将这行注释掉
from keras.utils import tf_utils