删除.gitkeep文件,增加convert文件

Python/convert.py

+import torch
+import torchvision
+from torchvision import models
+
+
+
+model = models.segmentation.deeplabv3_resnet101(pretrained=True)
+model.eval()  # 必须切换到推理模式，关闭 dropout/batchnorm 等训练特有的层
+
+# 2. 定义输入张量（需与模型期望的输入尺寸匹配，DeepLabv3通常为513x513）
+input_tensor = torch.randn(1, 3, 513, 513)  # N=1, C=3, H=513, W=513（NCHW格式）
+
+# 3. 导出ONNX模型
+onnx_file = "../Resource/Models/deeplabv3_resnet101.onnx"
+torch.onnx.export(
+    model,                  # 待导出的模型
+    input_tensor,           # 示例输入（用于确定计算图结构）
+    onnx_file,              # 输出文件路径
+    opset_version=12,       # ONNX算子集版本（建议≥11，支持更多算子）
+    input_names=["images"], # 输入节点名称（需与后续推理时一致）
+    output_names=["output"]# 输出节点名称
+)
\ No newline at end of file

README.md

@@ -50,6 +50,17 @@ docker run --shm-size 16g --network=host --name=deeplabv3_migraphx --privileged
 source /opt/dtk/env.sh
 ```
 
+## 模型文件
+```
+# 进入deeplabv3 migraphx工程根目录
+cd <path_to_deeplabv3_migraphx> 
+# 进入Python目录
+cd Python/
+# 运行convert.py 生成模型文件 文件保存在Resource/Models目录下
+python convert.py
+```
+
+
 ## 数据集
 
 根据提供的样本数据，进行图像分割。