Unity Barracuda无法导入Yolov5导出的ONNX文件问题求助

前后导出文件的差异排查 #

• YOLOv5版本差异：一个月前和当前使用的YOLOv5代码版本可能不同，新版本的export.py可能调整了Split层的实现逻辑（比如输出张量的数量、维度拆分方式），导致Unity的ONNX解析器无法识别。
• 导出参数差异：检查前后导出命令是否一致，比如是否遗漏了--simplify参数（之前可能用了模型简化，当前没加），或者img-size、batch等参数是否有变化；另外你当前命令里的--weights best_export.py是笔误，应该是best.pt，这个错误可能导致导出的模型存在异常。
• ONNX算子版本差异：当前环境的onnx库版本可能比一个月前更高，导出的ONNX使用了更高版本的算子（比如opset 13+），而Unity的ONNX解析器对高版本算子支持有限。
• 模型结构变化：如果最近重新训练了模型，模型的model.24层结构可能发生了变化，Split层的输出逻辑和之前不同。

具体解决办法 #

• 回退YOLOv5版本：找到一个月前能正常导出的YOLOv5代码版本，用相同版本重新导出ONNX，确保模型导出逻辑一致。
• 修正导出命令并添加简化参数：使用正确的权重文件，加上--simplify参数优化模型，命令如下：

  python export.py --weights best.pt --batch 1 --img-size 640 480 --include onnx --simplify
  

  --simplify会通过onnx-simplifier移除冗余算子，调整模型结构，适配Unity的解析逻辑。
• 指定兼容的ONNX算子版本：导出时指定Unity支持的opset版本（比如12，大部分Unity版本兼容），命令：

  python export.py --weights best.pt --batch 1 --img-size 640 480 --include onnx --opset 12 --simplify
  

• 对比模型结构：用Netron工具打开前后两个ONNX文件，定位/model.24/Split层，查看输出张量的数量、维度是否有差异。如果新版本Split层输出了多余张量，可以修改YOLOv5的export.py代码，调整该层的输出逻辑，或者用onnx-simplifier进一步优化。
• 检查Unity的ONNX支持：确认Unity项目中使用的MLAgents或ONNX Runtime版本，确保其支持导出的ONNX算子版本。比如Unity 2021及以上版本建议搭配opset 10-12的ONNX文件。

内容的提问来源于stack exchange，提问作者Wooni