yolov5转rknn,亲测成功

1 配置yolov5

下载yolov5,我下了最新版本GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

按要求装环境,requirements.txt

训练完,得到模型文件.

yolo.py第62行,加一行如下,并设置self.export=True

修改export.py文件第571行,

shape = tuple((y[0] if isinstance(y, tuple) else y).shape)

修改如下:

shape = tuple(y[0].shape)

然后将pt模型文件转为onnx文件

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

2 best.onnx转换为best.rknn

下载rknn工程,rknn-toolkit2

按要求装环境,requirements.txt

 

 这里改一下,常规参数也填好.运行成功.

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
要将yolov5模型换为rknn格式,可以按照以下步骤进行操作: 1. 首先,将yolov5s.pt、yolov5m.pt、yolov5x.pt这三个模型文件拷贝到yolov5代码目录下。 2. 执行以下命令,将yolov5模型换为ONNX格式: ``` python3 export.py --weights yolov5s.pt --img 640 --batch 1 --opset 12 ``` 其中,--weights参数指定了要换的模型文件,--img参数指定了输入图像的大小,--batch参数指定了批量大小,--opset参数指定了ONNX的版本。根据需要可以更改参数中的模型文件和相关配置。 3. 运行上述命令后,会生成一个yolov5s.onnx的模型文件。接下来,可以使用ONNXrknn的代码进行换。对于yolov5s模型,可以参考以下代码: ```python import torch from rknn.api import RKNN # 定义ONNX_MODEL和RKNN_MODEL的路径 ONNX_MODEL = 'yolov5s.onnx' RKNN_MODEL = 'yolov5s.rknn' # 创建RKNN对象 rknn = RKNN() # 加载ONNX模型 rknn.load_onnx(ONNX_MODEL) # 配置RKNN模型 rknn.config(channel_mean_value='0 0 0 255', reorder_channel='0 1 2', target_platform='rv1126') # 编译RKNN模型 rknn.build(do_quantization=True) # 导出RKNN模型 rknn.export_rknn(RKNN_MODEL) print('Conversion completed!') ``` 在上述代码中,需要根据实际情况修改ONNX_MODEL和RKNN_MODEL的路径。此外,可以根据需要设置其他配置,比如输入图像的通道均值、通道重排和目标平台等。对于yolov5m和yolov5x模型,只需要修改ONNX_MODEL和RKNN_MODEL的路径即可。 4. 运行上述代码后,会生成一个yolov5s.rknn的模型文件,即完成了yolov5模型到rknn模型的换。 请注意,以上步骤是将yolov5模型换为rknn格式的一种方法,具体操作可能会因环境和需求而有所不同。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Yolov5 换成 RKNN模型](https://blog.csdn.net/weixin_43999691/article/details/126283992)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值