【瑞芯微RK3588】【部署yolov5】学习资料总结

最新推荐文章于 2024-06-13 10:28:01 发布
最新推荐文章于 2024-06-13 10:28:01 发布
阅读量771 收藏 7
点赞数
分类专栏： # 瑞芯微板子 文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_55251293/article/details/132278050
版权

各类教程

1.官网：瑞芯微RK3588板子NPU的使用；

2. 【实测有用】在PC虚拟机上转换模型，再下载到RK3588板子上部署YOLOv5；

3. 在服务器上转换模型，再下载到RK3588板子上部署YOLOv5；

4. github上的各类资料PDF，以及要在PC虚拟机上运行的转换工具安装包和运行例子；
a. RKNN Toolkit 可视化使用指南
b. RKNN_Toolkit 自定义算子开发指南
c. RKNN SDK 快速上手指南
d.RKNN Toolkit 问题排查手册
e.RKNN Toolkit Lite 用户使用指南
f. RKNN-Toolkit 用户使用指南
在这里插入图片描述
在这里插入图片描述

KevinGuo457
关注
  • 0
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
ubuntu22.04，瑞芯微RK3568部署YOLOv5(纯干货版)
qq_53545309的博客
07-20 126
在Anaconda的yolov5，进入yolov5根目录，终端运行如下若出现模块不存在的情况，只需要按照requirements.txt安装即可。
基于rk3588s的yolov5深度学习从训练到部署--讯飞智能车识别任务（三）
qq_62703890的博客
08-06 1171
将我们下载好的yolov5的代码解压，然后用一款IDE打开（pycharm），打开之后整个代码目录如下图：现在来对代码的整体目录做一个介绍：├── data：主要是存放一些超参数的配置文件（这些文件（yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；还有一些官方提供测试的图片。如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面，而是建议把数据集放到yolov5项目的同级目录下面。
实操rk3588讯为开发板部署和运行yolov5模型
hzh442436179的博客
08-16 1085
跟着讯为在b站的视频（
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~总结（亲测有效）
05-06 5302
rk3588环境验证，在PC上训练YOLOv5的目标检测模型，并将模型导出，在板端使用NPU进行推理。
瑞芯微RK3588开发板：虚拟机yolov5模型转化、开发板上python脚本调用npu并部署 全流程
qq_30841655的博客
09-07 3928
模型转化这一步，需要在笔记本上的ubuntu20.04桌面版的虚拟机内完成，包括yolov5s.pt转为yolov5s.onnx，yolov5s.onnx转为yolov5s.rknn等两个主要步骤。再次，将yolov5s.onnx复制到~/Desktop/rknn-toolkit2/examples/onnx/yolov5目录下，将该目录下的test.py作出一些修改，如下图。最后，将转换后的rknn文件放在model/RK3588目录下，编译并运行shell，该命令成功执行后，会生成install目录。
瑞芯微RK3568/RK3588平台YOLOV5实时视频算法的部署小白教程
热门推荐
weixin_48104648的博客
09-06 1万+
本文实现整体的部署流程比较小白，首先在PC上分别实现工程中的模型仿真推理、yolov5-pytorch仿真推理、自己训练yolov5模型仿真推理，完成仿真之后再在板端分别实现rk提供模型的板端推理、yolov5-pytorch板端推理、自己训练的yolov5模型板端推理，最后实现自己训练的yolov5模型实时视频算法部署，整个过程从仿真到板端，从图片到视频，过程较为繁琐，各位大佬们可以根据自己的情况选择跳过某些章节。接下来我们就一块开始部署之旅吧！
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~3.YOLOv5训练自己的模型（亲测有效）
08-16 1679
在翻阅了网络上很多资料后，发现很多版本的信息比匹配。花了一周的时间配置环境，以及环境验证，然后写了这篇长文。有过程，有代码，有经验，欢迎大家批评指正。
算法部署-基于rknn+Cpp在瑞芯微rk3588上部署YOLOv10目标检测算法-附项目源码+流程教程-优质项目实战.zip
06-07
算法部署_基于rknn+Cpp在瑞芯微rk3588上部署YOLOv10目标检测算法_附项目源码+流程教程_优质项目实战
算法部署-在瑞芯微RK3588上使用rknn部署YOLOv9目标检测算法.zip
03-15
算法部署_在瑞芯微RK3588上使用rknn部署YOLOv9目标检测算法
yolov7-tiny在瑞芯微rk3588上测试运行结果
09-07
1、运行时间测试 2、多core运行与单core运行时间分析 3、图优化分析
YOLOv8部署瑞芯微RK3588板端c++源码(含使用说明).zip
10-27
YOLOv8部署瑞芯微RK3588板端c++源码(含使用说明).zipYOLOv8部署瑞芯微RK3588板端c++源码(含使用说明).zip ## 编译和运行 1）编译 ``` cd examples/rknn_yolov8_demo_open bash build-linux_RK3588.sh ``` 2）...
瑞芯微RK3588移植Yolov8（2）
最新发布
zxt1920的博客
06-13 182
瑞芯微RK3588移植Yolov8第二章，配置相关转换环境进行模型转换
rk3588部署yolov5
qq_59164231的博客
08-29 4588
YOLOv5 训练得到pt文件，pt-->onnx-->rknn进行推理。
瑞芯微rk3588部署yolov5模型实战
Silver__Wolf的博客
08-11 2761
瑞芯微rk3588部署yolov5模型实战/ 包括模型转换以及部署
3588板子部署yoloV5
qq_49627063的博客
03-06 1662
e： 去到knn-toolkit2-master/rknn-toolkit2/examples/onnx/yolov5目录下修改test.py。f: 修改后 运行pyhton test.py 根目录会生成 .rknn的模型以及result.jpg。a:cd到rknn-toolkit2-master/rknn-toolkit2/packages目录下。d: from rknn.api import RKNN 如果不报错则安装成功。a.安装anaconda。unzip 解压文件夹。
【yolov5系列】将模型部署到瑞芯微RK3566上面
magic_ll的博客
06-19 5752
量化的图片的shape和网络输入如果不一致，这里会自动resize，所以为了保证精度，我们的量化数据集的shape尽量与输入一致。我们需要注意下，对于RK1126相似系列的代码中模型转换时，模型build时，有个预编译参数，仿真时和端侧运行时的设置是不一致且不通用的。这里的buf的设置时，一定保证图片的大小和网络的输入是相同的尺寸。当然在其它芯片上的操作类似，差别会在具体的API的调用上。上图分别获取的内容：rk的版本信息、模型的输入输出数量的信息、输入节点相关的信息、输出节点相关的信息。
【RK3588 第二篇】YOLO V5在瑞芯微板子上部署问题记录汇总
钱多多先森
10-06 2546
yolov5部署到rk3588遇到的问题，和解决方案汇总
RK3588部署Yolov5自训练模型
u010492025的博客
12-22 2008
一. 训练Yolov5的模型 1.创建训练环境 2.拉取yolov5工程 3. 训练自己的模型 4.模型推理 二. 导出rknn模型 1. 创建导出环境 2. pt转onnx模型 3. onnx转rknn模型 三. 部署到rk3588 1. 安装rknn_toolkit2_lite 2. 推理测试
RK3588部署YOLOv8
04-20
RK3588是瑞芯微推出的一款高性能AI芯片，而YOLOv8是一种目标检测算法。要在RK3588上部署YOLOv8，可以按照以下步骤进行： 1. 准备数据集：首先需要准备一个包含目标物体的数据集，包括标注好的图像和对应的标签。 2. 训练模型：使用数据集进行训练，可以选择使用已有的YOLOv8模型进行迁移学习，也可以从头开始训练一个新的模型。训练过程中需要注意调整超参数和优化算法，以获得更好的检测效果。 3. 模型转换：将训练好的YOLOv8模型转换为RK3588可识别的格式。可以使用工具如TensorRT或OpenVINO进行模型转换和优化，以提高模型在RK3588上的推理速度和效果。 4. 部RK3588：将转换后的模型部署到RK8芯片上进行推理。可以使用RK3588提供SDK或者深度学习框架（如TensorFlow Lite、PyTorch等）进行部署和推理。 需要注意的是，部署YOLOv8到RK3588可能需要一定的硬件和软件配置，以及对RK3588芯片和YOLOv8算法的深入了解。建议参考RK3588的开发文档和相关资源，以及YOLOv8的官方文档和示例代码，来进行具体的部署和调试。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

KevinGuo457

哈哈哈资助我买两包辣条叭

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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