教你使用Pycharm搞定YOLOV5部署 BPU(版本: 6.2)

声明：本文参考链接：http://t.csdnimg.cn/CF6gw   （感谢玺哥）

yolov5的代码我用的是https://github.com/ultralytics/yolov5的master分支，目前应该是版本7.0，后续作者更新后，可以切换到6.2分支来使用。

本教程使用的一些文件参考1- BPU开发_免费高速下载|百度网盘-分享无限制 (baidu.com)

提取码：0a09

一 环境配置

• 1.1 安装依赖包

  如果在当前python环境下能利用pip install onnx轻松安装onnx，那就直接配置yolov5的环境就行了。

直接根据requirements.txt文件配置yolov5虚拟环境

pip install -r requirements.txt

1.2 运行Yolov5
下载百度云中提供的文件，按照如下流程操作：

解压yolov5-master.zip。
将zidane.jpg放到yolov5-master文件夹中。
将yolov5s.pt放到yolov5-master/models文件夹中。
进入yolov5-master文件夹，输入python .\detect.py --weights .\models\yolov5s.pt --source zidane.jpg，代码会输出检测结果保存路径，比如我的就是Results saved to runs\detect\exp，检测结果如下所示。

我这里把文件夹命名为yolov5-bpu以区别于我之前的文件

1.3 pytorch的pt模型文件转onnx

在yolov5-bpu虚拟文件夹下输入

python .\export.py --weights .\models\yolov5s.pt --include onnx --opset 11

转换后，控制台会输出一些log信息,如图所示

---

二 ONNX模型转换

模型转换要在docker中转换，怎么安装docker，怎么进入OE，怎么挂载硬盘，我是参考http://t.csdnimg.cn/4A5Pc

进行部署的。

新建一个文件夹，我这里沿用前人叫bpucodes，把前面转好的yolov5s.onnx放进这个文件夹里，百度云里也提供了相关的代码。

这里提一点，docker默认的安装地点在C盘，如果有C盘和我一样爆满的朋友可以参考这篇文章

http://t.csdnimg.cn/RtbjC

注意如果显示：  系统找不到指定的路径