张小明
前端开发工程师
在ultralytics中，导出的yolo11.onnx权重只有一个输出，这无法适配瑞芯微中的解析。其需要九个输出。通用的步骤是在训练完的pt文件后，利用[ultralytics_yolo11]，可参考：【YOLOv8部署至RV1126】PT转ONNX、ONNX转RKNN、RKNN预编译
官方导出的onnx权重的输出个数：
利用ultralytics_yolo11导出的onnx权重的输出个数：
为了进一步理解其是如何在官方代码的基础上将其原本一个输出改成九个输出，本文主要使用官方的ultralytics代码(8.3.13版本)，将yolo11n.pt文件转成onnx➡rknn➡预编译，比较一下两种转换后的权重是否一致。
在ultralytics/nn/modules/head.py中的Detect类的forward函数中添加如下代码：
# 导出适配瑞芯微的ONNX模型ifself.export:y=[]foriinrange(self.nl):Qwen3-Reranker-4B实战：快速搭建多语言文本检索系统 [toc] 1. 引言 1.1 多语言文本检索的挑战与需求 在当今全球化信息环境中，跨语言、多语种的内容检索已成为企业级搜索、智能客服、知识库问答等场景的核心能力。传统检索系统往往依赖关键词匹配或单…
李华
开箱即用：BGE-Reranker-v2-m3镜像一键部署与实战应用 1. 引言：解决RAG系统“搜不准”的核心利器 在当前检索增强生成（RAG）系统的构建中，向量数据库的初步检索虽然高效，但常因语义理解不足而引入大量相关性…
李华
学过上一节 ref、reactive、effect 后，接下来我们探究响应式变量的使用——computed 和 watch 。一、computed 和 watch 概述 所有响应式逻辑都会依赖 effect 执行，computed / watch / render 本质都是 effect。effect：依赖 state。dep&#…
李华
BAAI/bge-m3如何验证效果？MTEB基准测试复现实战教程 1. 引言：语义相似度评估的工程价值 在构建现代AI系统，尤其是检索增强生成（RAG）架构时，语义相似度计算是决定召回质量的核心环节。传统的关键词匹配方法…
李华
YOLO-v8.3入门指南：掌握model.info()查看模型结构的方法 YOLO-v8.3 是 Ultralytics 公司在 YOLO 系列持续迭代中推出的优化版本，属于 YOLOv8 家族的最新稳定更新之一。该版本在保持原有高速推理能力的基础上，进一步提升了小目标检测精度与训…
查看模型结构的方法)
李华
MinerU金融研报解析：投资观点自动摘要系统 1. 引言 1.1 金融信息处理的效率瓶颈 在金融投研领域，分析师每天需要处理大量非结构化文档，包括上市公司年报、行业研究报告、券商策略点评等。传统方式依赖人工阅读与摘录，耗时长、成…
李华