win7下用docker部署的基于openvino的yolov5算法（三）yolov5 v4.0环境安装以及.pt转成.ir模型

在上一篇博文中，我们创建了基础的openvino容器openvino2020.3.1_ubuntu18.04，具体环境为

* ubuntu 18.04

* openvino2020.3.341

这里，我们将通过安装miniconda，安装yolov5 v4.0的版本。

1、win中下载miniconda的linux安装包

网址：https://docs.conda.io/en/latest/miniconda.html

下载文件为Miniconda3-latest-Linux-x86_64.sh（需要复制到桌面上）。

2、进入容器openvino2020.3.1_ubuntu18.04，创建文件夹/home/anaconda，进入该文件夹

2.1. 双击桌面“Docker Quickstart Terminal”图标，创建docker终端窗口

2.2. 执行命令

docker start openvino2020.3.1_ubuntu18.04
docker exec -it -u 0 openvino2020.3.1_ubuntu18.04 /bin/bash
mkdir /home/anaconda
cd /home/anaconda

3、参考博客，将上述.sh文件传输到/home/anaconda

4、安装miniconda

bash Miniconda3-latest-Linux-x86_64.sh

一路选择enter就行，最后键入yes，默认安装位置/root/miniconda3

更新.bashrc

source ~/.bashrc

5、从yolov5 v4.0下载4.0版本的yolov5代码，同时将下载的yolov5s.pt放入yolov5-4.0/weights/文件夹中，如图

 

6、在容器中创建文件夹/home/yolov5_openvino；将桌面上得yolov5-4.0传入容器/home/yolov5_openvino文件夹

7、创建yolov5的环境，具体依赖为yolov5-4.0文件夹中的requiremets.txt，我们将安装依赖

7.1. 创建conda环境yolov5_openvino，进入该环境

conda create -n yolov5_openvino python=3.6
conda activate yolov5_openvino

7.2. 进入yolov5-4.0文件夹，安装依赖

cd yolov5-4.0
pip install -r requirements.txt -i http://pypi.douban.com/simple/ --trusted-host=pypi.douban.com/simple
pip install onnx coremltools networkx defusedxml -i http://pypi.douban.com/simple/ --trusted-host=pypi.douban.com/simple

这里自动安装的最新的torch 1.9。

8、先将.pt转.onnx，然后将.onnx转成.ir

8.1. 安装vim编辑工具，方便后面修改代码

apt-get install vim

8.2. .pt转.onnx模型。这里由于openvino对于较新的onnx算子支持有问题，因此我们需要指定onnx版本为10。具体方法是，在yolov5-4.0/models/export.py中，大概72行左右，将opset_version从12改为10，如下

torch.onnx.export(model, img, f, verbose=False, opset_version=10, input_names=['images'],
                    output_names=['classes', 'boxes'] if y is None else ['output'])

然后在yolov5-4.0中，执行如下命令，将yolov5s.pt转成yolov5s.onnx

cd /home/yolov5_openvino/yolov5-4.0
python models/export.py --weights weights/yolov5s.pt --img-size 640 --batch-size 1

 这样，在yolov5-4.0/weights中，就生成了yolov5s.onnx文件。

8.3.  .onnx模型转.ir模型。这个转化过程借助的是openvino自带的脚本mo.py，这个脚本在/opt/intel/openvino_2020.3.341/deployment_tools/model_optimizer文件夹中。我们将yolov5s.onnx复制进这个文件夹，然后用mo.py转化，如下

cd /opt/intel/openvino_2020.3.341/deployment_tools/model_optimizer
cp /home/yolov5_openvino/yolov5-4.0/weights/yolov5s.onnx ./
python mo.py --input_model ./yolov5s.onnx

这样，在该文件夹下就能生成yolov5s.bin和yolov5s.xml文件。

 参考博客：yolov5的openvino部署_迷途小书童的Note-CSDN博客