本文详细介绍了如何将YOLOV5模型从PyTorch权重转换为TNN格式，以便在Android设备上进行物体检测。首先，下载并修改YOLOV5工程，将PyTorch模型转为ONNX，然后通过模型简化工具处理ONNX模型，接着使用ONNX到TNN转换器，并替换TNN-master中的原始模型。最后，调整Android Demo代码以匹配新模型的输出位置，实现定制化部署。
TNN将YOLOV5部署到移动端—pytorch转onnx转tnn全套流程
直接利用腾讯的TNN-master跑通android demo可以参考这篇博客
TNN入门笔记——从零跑通Android demo
有些电脑性能受限，可能不支持虚拟机技术，可以通过usb连接手机，直接部署到真机上测试，参考博客Android studio 连接手机调试。
中间可能会遇到一些问题，每个人情况不一定相同，根据问题来查找解决方案，最终可以将TNN-master提供的android-demo成功部署到手机上。
因为在TNN-master中所使用的权重已经是转换好的tnn权重，如果要想按照自己的需求来更换模型，则需要将pytorch（或者其他类型）权重转为tnn格式。下面介绍如何将pytorch权重转为tnn格式，替换掉tnn-master中的权重，实现按照自己的需要展示android-demo。
1.下载yolov5工程文件
根据查找，tnn-master中所转换的yolov5版本号为 41bb70b32598c016cc55debae7bafd26ec94e984，但此版本的权重已无法下载，所以选择了与其发布时间相近的yolov5-3.1版本。经过验证
最低0.47元/天 解锁文章
扫一扫
1970
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
