在Milk-v Duo上部署YOLOV8模型

最新推荐文章于 2024-08-10 10:37:43 发布
最新推荐文章于 2024-08-10 10:37:43 发布
阅读量2.3k 收藏 58
点赞数 51
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/qq_41808475/article/details/138133120
版权

建议自己编译images固件，我使用官方给的固件在部署中出现了一些问题，请参考: 编译Milkv-duo固件-CSDN博客

下载YOLOv8

git clone https://github.com/ultralytics/ultralytics.git

下载yolo_export.zip

下载链接：链接：百度网盘 请输入提取码 提取码：184a

在Windows下搭建配置yolov8虚拟环境

将yolo_export/yolov8_export.py 代码复制到 yolov8 仓库下，下载YOLOv8的权重文件： https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt

然后使用以下命令导出分支版本的 onnx 模型：

python yolov8_export.py --weight
最低0.47元/天 解锁文章
模型实战（22）之 C++ - tensorRT部署yolov8-cls 目标分类
yohnyang的博客
05-29 689
模型实战（22）之 C++ - tensorRT部署yolov8-cls 目标分类
Yolov8：模型部署到安卓端
qq_41478219的博客
08-06 4818
yolov8安卓端
SS928(SD3403) yolov8 移植
apchy_ll的博客
07-04 1573
Yolov8 在海思ss928移植，环境搭建全流程
YOLOv8目标检测算法移植
pssbjn的博客
04-16 1476
由于YOLOv8是anchor-free模型，因此不像YOLOv5的每个输出尺度中需要分三种anchor分别对每个grid进行过滤和转换，也就是YOLOv8的后处理少了anchor这一层循环，仅需要处理batch, height, width三层循环。出于平衡小目标和大目标的目标框尺寸的误差的需要，YOLOv5的目标框损失函数对目标框尺寸(wh)取平方根，这也是YOLOv5检测头计算wh时取平方的原因。小目标的目标框尺寸的偏移1像素产生的误差，比大目标的目标框尺寸偏移1像素产生的误差要大。
YOLOv5在SD3403上的部署（包含模型训练，模型转换，SDK部署）一
trepassing的博客
11-11 2647
本文较为详细的给出了部署yolov5模型到海思sd3403板子上的方法
YOLOv8部署到C++上（综合版笔记)
Jochen12345的博客
03-26 1万+
这段时间由于项目的需要，需要将yolov8部署到C++上以及跟相应的算法结合，花了我不少时间。现阶段有考虑过使用onnx转Tensort，，故放弃，有目标检测的小伙伴可以试试，接下来使用onnxruntime来试试。下面我将尝试用opencv CPP推理我们得到onnx文件。
Milk-V Duo256m的多种GPIO使用方式及代码
weixin_44220832的博客
03-02 1417
关于GPIO的使用，本文给出了多种操作方式，包括使用终端控制、系统IO(open、write等)控制、寄存器控制、内核态控制、cdev字符设备驱动控制、以及misc杂项设备驱动等，并且给出了简洁可用的代码参考。此外，本文还简要说明了工具链的安装、编译流程、nfs配置等。另外，本文提到的led，您可能需要自己用面包板搭建电路，这很简单，只需要在想要控制的GPIO引脚与地（GND）之间连接一个led灯即可，请注意极性方向。并且，以下代码均在sipeed LicheeRV Nano上运行成功。
Milk-Tea-解析工具 2.2.3.1
04-30
Milk-Tea-解析工具通过其先进的解析技术，能够从各种在线音乐平台上抓取无损或高比特率的音频文件，如FLAC、AAC、WAV等格式，确保用户在离线状态下也能享受到接近原始录音的音质。这尤其对于那些喜欢听现场录音或者...
RT-Thread MilkV Duo256M BSP 上手使用
m0_59551305的博客
07-26 1014
Milk-V Duo 256M 是 Duo 的升级版本，内存提升至 256M。采用 SG2002 计算系列芯片，计算能力提升至 1.0TOPS@INT8。它可以实现 RISC-V/ARM 架构之间的无缝切换，并支持双系统同时运行。当前 Milk-V Duo 256M 大核 RISC-V/ARM、小核 RISC-V 均已支持运行 RT-Thread 标准版。本文是关于RT-Thread MilkV Duo256M BSP 上手使用的详细介绍。使用代码为 RT-Thread。
轻量化的yolov8部署到安卓Android手机端
TracyGC的博客
01-12 1万+
具体在Ultralytics/demo.py 代码里面也有体现# 将模型导出为 ONNX 格式在安卓端使用demo项目在转换前需要对项目源码作出一些修改，修改具体见下面步骤。待修改的内容在ncnn-android-yolov8-main/doc/中有显示，如使用检测任务则修改c2f.jpg和Detect.jpg两张图片上的内容。
yolov8源码+yolov8n、s、m.pt文件整合8.2.0版本
09-27
yolov8 8.2.0版本，源码+yolov8n、s、m.pt文件整合，适合外网访问不了的使用
YOLOv8实战——安装篇
weixin_45819759的博客
07-27 3万+
在vscode目录中找到刚刚安装的ultralytics目录，在其里面的engine目录下找到model文件。检测结果为4人，1车，1站牌，花了71毫秒。predict方法表示为预测方法，因此在此方法内增加一个print语句。1.建议下载miniconda，若是在Linux上安装，可以参考我这篇。进入对应conda环境，并进入ultralytics-main目录下。进入网址，点击Code，然后点击Download下载zip压缩包。YOLOv8 可以在命令行界面（CLI）中直接使用，只需输入。
Yolov8：训练模型并部署到安卓端
qq_41478219的博客
08-10 9805
在 fire 文件夹下新建一个 fire.yaml文件，具体内容如下train： 训练图片路径val：验证图片路径test: 测试图片路径names: 训练的类名称集合修改yolov8.yaml，nc后面的参数改为训练的类数量。
YoloV8部署：使用opencv的dnn模块部署在Linux平台上
m0_64561077的博客
05-07 2954
前段时间做了Yolov5的部署，就想训练yolov8并且部署在Linux平台上，中间也踩了很多坑，花了两天时间终于部署完成了，在这里浅浅记录一下。
YOLOv8安装配置全流程，一篇文章带你进入YOLOv8奇妙世界！（内涵yolov8资源）
热门推荐
weixin_43366149的博客
08-10 8万+
YOLOv8一条龙安装教程，跟着此教程配置，都可以正常使用，如有问题，评论区提问
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（9）
Littro Innovations
01-16 1669
上一节yolov8的训练已经完成了，现在要开始做模型的转换了，这里和yolov7方式相似，但是有一些差异，尤其是yolov7的不带NMS部分的输出顺序和yolov8的输出顺序与格式是有差异的。尾部链接了 我们自定义的DecBBox，Filter，Sort还有NMS。这里面filter和NMS的过滤条件不用管，在推理代码里还要重新配置一下，用这个默认配置就可以。我们一个一个看，首先filter.py里 要先增加个Filter的自定义层。这个部分和yolov7方式是完全一样的。下面是和yolov7的对比。
yolo模型移植到android手机端
搬砖笔记
08-18 1万+
之前写了android demo在手机上的运用，但是模型都是官方给的，想要替换成自己的模型，所以尝试了下将自己训练的yolo模型来替换demo给的模型。 首先，darknet的训练和.weight文件到.pb文件的转化，以及android demo的实现见之前的博客。在此不再叙述sdk，nkd等配置问题，且直接使用.pb文件。其次，默认已安装android studio。(1)终端进入（andro
[MILKV-DUO256] 移植开源yolov5并且部署
weixin_45013801的博客
05-16 250
yolov5移植和milkv部署
yolov8搭建蹚坑实战（基于NVIDIA系列显卡）-对你一定有用
xxxzqhooo的专栏
06-28 1339
个人基于服务器部署搭建YOLOV8进行环境安装、环境安装、数据集处理、训练、推理、评估。服务器配置：windows Server2019+128G+2CPU（40核）+2*GTX 1070ti显卡
milk-v duo rust
最新发布
01-21
### milk-v duo与Rust编程语言的关系 milk-v duo是一款基于RISC-V架构的开发板，支持多种编程语言，其中包括Rust。由于Rust具有内存安全性和高性能的特点，非常适合用于嵌入式系统和硬件级别的编程[^1]。 对于milk-v duo而言，开发者可以利用专门为RISC-V设计的工具链来编写、编译并运行Rust代码。这使得能够充分发挥Rust的优势，同时享受RISC-V指令集带来的效率提升[^2]。 ### 如何在milk-v duo上使用Rust进行开发 为了能够在milk-v duo上顺利地开展Rust项目，通常需要完成以下几个方面的准备工作： #### 安装必要的软件包 确保安装了最新的稳定版rustup以及cargo工具，并配置好目标平台为`riscv32imac-unknown-none-elf`或相应的变体版本。可以通过命令行执行如下操作： ```bash rustup target add riscv32imac-unknown-none-elf ``` #### 获取适合于milk-v duo的模板库 可以从GitHub或其他资源获取适用于该款开发板的具体仓库链接，这些仓库往往已经预先设置好了针对特定硬件的支持文件夹结构和服务函数定义。例如[riscv-rust-quickstart]提供了很好的起点，里面含有丰富的例子可以帮助快速启动新的应用程序。 #### 配置Cargo.toml文件 编辑项目的根目录下的`Cargo.toml`文件以指定正确的依赖项和其他构建选项。这里可能涉及到添加裸机环境所需的crate（如cortex-m），以及其他任何有助于简化工作的第三方库。 #### 编写简单的测试程序 尝试实现一些基础功能作为验证手段，比如点亮LED灯或者发送字符串到串口终端显示出来。这类简单任务不仅有利于熟悉API接口调用方式，而且还能确认整个工作流程是否顺畅无误。 ```rust #![no_std] #![no_main] use panic_halt as _; use core::fmt::Write; #[cfg(not(test))] #[panic_handler] fn panic(info: &core::panic::PanicInfo) -> ! { loop {} } #[export_name = "main"] extern "C" fn main() -> ! { let mut serial = hal::serial::Serial::new( pac::Peripherals::take().unwrap().UART0, config, ).unwrap(); writeln!(serial, "Hello from Milk-V Duo!").ok(); loop{} } ``` 这段代码展示了如何初始化一个串口通信实例并向其发送消息。实际应用时还需要根据具体的外设情况调整参数设定。
评论 2
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

曲途光未央

你的鼓励将是我创作的最大动力

¥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