YOLOv11模型在K230开发板部署过程记录

五行缺觉328

已于 2024-12-02 23:29:34 修改

阅读量2.2k

点赞数 18

文章标签： YOLO 人工智能深度学习 python

于 2024-12-02 23:25:52 首次发布

本文链接：https://blog.csdn.net/qq_61197032/article/details/144200967

版权

当您看到这篇文章时想必您已经完成了模型训练，这里以YOLOv11训练出来的pt模型为例给出模型在K230开发板的部署流程

环境：windows11，ubuntu20.04（已安装python，pip），nncase2.9.0，K230开发板

1、模型转换

将pt格式转化为onnx格式以便使用nncase工具链进行模型转换

from ultralytics import YOLO

# 加载一个模型，路径为 YOLO 模型的 .pt 文件
model = YOLO("ultralytics-main/runs/detect/train11/weights/best.pt")

# 导出模型，设置多种参数
model.export(
    format="onnx",  # 导出格式为 ONNX
    imgsz=(320, 320),  # 设置输入图像的尺寸
    keras=False,  # 不导出为 Keras 格式
    optimize=True,
    int8=True,  # 启用 INT8 量化
    dynamic=False,  # 不启用动态输入尺寸
    simplify=True,  # 简化 ONNX 模型
    opset=None,  # 使用最新的 opset 版本
    workspace=4.0,  # 为 TensorRT 优化设置最大工作区大小（