由于某些原因，需要用到通过python调用yolov5的onnx模型的情况，于是开始一天的踩雷！！！

onnx模型中是包含类别信息，不用跟网上的一些demo中非要有个class.txt文件

# 加载模型
session = ort.InferenceSession('yolov5n.onnx')

# 获取模型的元数据信息
metadata = session.get_modelmeta()

# 获取自定义元数据中的类别信息
custom_metadata_map = metadata.custom_metadata_map
name_class = custom_metadata_map.get("names")

fixed_json = '{' + ', '.join(f'"{k}": "{v}"' for k, v in eval(name_class.replace("'", '"')).items()) + '}'  

# 解析类别信息
names = json.loads(fixed_json)

# 获取输入信息
input_info = session.get_inputs()
node_info = input_info[0]  

# 获取输入的形状信息
net_shape = node_info.shape
count = net_shape[0]
channels = net_shape[1]
net_height = net_shape[2]
net_width = net_shape[3]

# 输出获取到的信息
print("Names:", names)
print("Count:", count)
print("Channels:", channels)
print("Net Height:", net_height)
print("Net Width:", net_width)

通过session进行推测时出现了个关键的错误！

# 运行模型推理
outputs = session.run(None, {node_info.name: input_image})

错误信息：[ONNXRuntimeError] : 2 : INVALID_ARGUMENT : Unexpected input data type. Actual: (tensor(uint8)) , expected: (tensor(float16))

这里输入的Tensor只能是float16，需要转一下，但后续一定要及时转换回来，不然计算的时候很容易出现np.inf，导致结果异常，如nms时，会出现很多结果框，明明视觉上nms超过0.5，仍存在重合框，就是过程结果出现inf导致NMS计算值为0，结果框无法去重。

# 转换数据类型为 float16
input_image_16 = input_image.astype(np.float16)
outputs = session.run(None, {node_info.name: input_image_16})
detections = outputs[0]
detections = detections.astype(np.float32)