使用TVM在树莓派部署yolov8模型（一）

已于 2024-04-14 17:51:32 修改
阅读量479 收藏 8
点赞数 9
文章标签： YOLO 人工智能 计算机视觉 目标检测 深度学习
于 2024-04-14 17:50:09 首次发布
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/weixin_42479327/article/details/137204769
版权
作者购买了树莓派4/4G并烧录系统，配置用户、WiFi及VNC，通过putty远程连接并测试了TVM优化的yolov8模型在该设备上的推理性能。
摘要由CSDN通过智能技术生成

从咸鱼淘了一个树莓派4/4G设备,测试一下TVM优化的yolov8模型在嵌入式端的推理速度.

一 烧录树莓派系统

这步比较简单
1 登录官网下载烧录程序
https://www.raspberrypi.com/software/

在这里插入图片描述

2 配置用户/密码 和 wifi(很重要)
在这里插入图片描述3 使用putty远程连接树莓派
下载地址: https://www.putty.org/
在这里插入图片描述

4 使用vnc远程操作树莓派
使用以下命令打开vnc配置

sudo raspi-config

在这里插入图片描述

# 查询ip, 我用无线网连接, 因此ip是wlan这一栏的
ifconfig

在这里插入图片描述

5 打开vnc,输入树莓派ip,在弹窗内输入账号密码,至此,配置完成
在这里插入图片描述

弈秋001
关注
树莓派 Raspberry Pi 与YOLOv8 结合进行目标检测
shiter编写程序的艺术
10-10 2850
libcamera 是 linux 新增加用于访问 camera 的 API。树莓派参与了 libcamera 的开发，并且在新的摄像头软件中开始从依赖于固件的摄像头图像处理管道(Image processing pipeline, ISP)迁移到更加开放的 libcamera。当然这块用USB 摄像头应该也是可以的。
YOLOv5解析 | 第一篇：快速部署YOLOv5模型
热门推荐
“365天深度学习训练营”报名进行中～
05-09 1万+
大家好，我是『K同学啊』！ 拖了好久，终于要开始目标检测系列了。自己想过好几次，想尽快出几期目标检测算法的博客教程，但是一直苦于不知道如何写，才能让大家轻松、快速、高效的入门目标检测算法。这段时间终于有个一个比较靠谱的思路。我是这样计划的： 首先，带大家先将算法跑起来，不然都不知道在干嘛，纯理论的东西看着头都大了，然后，教大家将官方的数据集更换成我们自己的数据集，并完成模型的训练。其次，在我们代码可以运行的情况下，从整体上讲解算法的结构。最后，挑选代码中一些比较关键的点，进行详细讲解。 文章目录一、前言二、
在树莓派4B上部署yolov8环境完成高帧率检测任务
最新发布
KevenDuan的博客
07-21 2121
在我前面的文章里讲了如何用yolov8从0开始训练自己的模型，现在这篇文章将教大家如何在树莓派上部署yolov8的环境，以及如何实现高帧率的检测任务。
YOLOv5-Lite 树莓派4B 15帧教程
chenxiangrong的博客
12-27 2444
YOLOv5-Lite 树莓派4B 15帧教程
使用TVM在树莓派部署yolov8模型（二）
weixin_42479327的博客
04-16 619
这部分主要记录部署环境的搭建。 在电脑或服务器上编译，需要搭建完整的TVM工具链；树莓派上仅负责运行，因此只编译runtime即可。
树莓派从零开始到部署计算机视觉项目（yolov8项目）第一集
m0_62174436的博客
02-22 5977
本人使用的是树莓派4b，但不同版本树莓派之间差异不大，本文侧重易踩坑点和主要步骤，重点在树莓派的部署，包括opencv的安装，pytorch的安装，yolo的配置等
使用TVM在树莓派部署yolov8模型（三）
weixin_42479327的博客
04-17 537
tvm易用性是不是限制它推广的主要因素？我觉得是的！踩了无数的坑，在树莓派上部署有无数bug，官方教程，民间教程通通不靠谱。tvm git仓库频繁更新，却没有出一个完善的使用文档，太奇怪了。在英特尔cpu上还很慢，瞬间不想在树莓派上玩了，可能优化参数没配置好吧。记得某位tvm使用者说的话，使用tvm项目周期不可控，对这句话有了更深刻理解，现在只想说，NCNN真香~！出了三篇文章想在树莓派上玩tvm的，暂时不想搞了，以后有机会再把未完的部分补上！
NCNN 树莓派部署U版yolov8
Meoyou的博客
07-04 721
使用ncnn框架在树莓派4B及本地windows上测试了官方yolov8n模型
树莓派NCNN开发·yolov8
烂笔头·张的博客
10-11 951
基于ncnn的yolov8开发实战，可用于移动端、嵌入式端植入
算法部署-使用TVM编译优化部署Gluon-cv模型-附项目源码-优质项目实战.zip
06-06
本项目专注于使用TVM（Tensor Virtual Machine）进行模型编译优化，以高效地部署基于Gluon-CV库构建的计算机视觉模型。TVM是一个开源的深度学习编译框架，它能够跨多种硬件平台优化计算效率，包括CPU、GPU以及专用的...
yolov8部署在树莓派流程.zip
02-18
YOLOv8是YOLO（You Only Look Once）系列目标检测算法的最新版本，由Joseph Redmon和Ali Farhadi于2016年首次提出。YOLO是一种实时目标检测算法，其核心思想是将目标检测任务转化为一个回归问题，并通过一个单一的神经网络模型同时预测目标的类别和位置。 YOLOv8是YOLO系列算法的第八个版本，也是目前最先进的版本。相较于之前的版本，YOLOv8在检测精度和速度方面都有显著的改进。它采用了一种新的网络架构，包含多个连续的卷积层和池化层，以提取特征并减小输入数据的维度。此外，YOLOv8还引入了一些技术，如多尺度检测和筛选器裁剪，以进一步提高检测性能。 YOLOv8在训练和推理阶段都采用了全新的损失函数，能够优化目标检测的准确性和稳定性。此外，YOLOv8还可以检测出不同大小和比例的目标，并具备比较好的鲁棒性。 总的来说，YOLOv8是一种高效、准确且实时的目标检测算法，适用于多种应用场景，如智能监控、自动驾驶、工业检测等。
树莓派中用YoloV8模型检测小车.pdf
06-11
树莓派中用YoloV8模型检测小车过程解析
使用TVM部署yolov5
05-12
使用TVM推理部署yolov5的源码，基于TVM8.0，yolov5-6.1
runmodel-sdk 是一个基于tvm的c++部署sdk, 可以在树莓派，rknn上进行部署.zip
06-05
C++是一种面向对象的计算机程序设计语言，由美国AT&T贝尔实验室的本贾尼·斯特劳斯特卢普博士在20世纪80年代初期发明并实现（最初这种语言被称作“C with Classes”带类的C）。它是一种静态数据类型检查的、支持多重...
大语言模型部署-基于TVM编译优化在CPU和GPU上部署BERT-附项目源码+流程教程-优质项目实战.zip
06-07
大语言模型部署_基于TVM编译优化在CPU和GPU上部署BERT_附项目源码+流程教程_优质项目实战
五、yolov8 tensorRT c++部署及接口封装（保姆级教程&附源码）
机器视觉、深度学习、C++、opencv、halcon、图像算法
04-25 1558
onnx转engine保姆级教程，附带源码
树莓派5 yolov8 ncnn部署记录
qq_32803979的博客
05-08 1984
之前在rpi5 上折腾了pytorch的yolov5lite，一开始使用imx219摄像头，结果在最新的raspberry pi os 上遇到了opencv-python不兼容libcamera的问题，无法通过python的opencv调用摄像头；然后就又破费买了USB摄像头，成功在480*320分辨率下实现10fps的实时检测。然后跟着教程把模型文件转换成onnx，结果测试时帧率反而降低了，之后便不了了之。。。
TVM上部署YOLO-DarkNet及单图性能对比
16A086的博客
07-06 2443
本文根据TVM官方文档Compile YOLO-V2 and YOLO-V3 in DarkNet Models提供的例程实现了在TVM上部署YOLO-DarkNet，并对使用TVM进行优化的效果进行了性能测试及对比。本文以YOLO-V3为例。 操作系统：Ubuntu 18.04 Backend：虚拟机 CPU 文章目录第一部分 不使用TVM运行YOLO-DarkNetYOLO-DarkNet安装...
tvm部署yolov5
08-21
TVM可以用于部署YOLOv5模型，但是引用内容中没有提到具体部署YOLOv5的步骤和方法。所以我无法提供与YOLOv5模型的TVM部署相关的信息。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [YOLOv5解析 | 第一篇：快速部署YOLOv5模型](https://blog.csdn.net/qq_38251616/article/details/124664586)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [TVM上部署YOLO-DarkNet及单图性能对比](https://blog.csdn.net/weixin_43953703/article/details/94889958)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
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
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