RK3588部署rknntoolkit2进行模型转换

xingman510

已于 2023-02-22 11:10:03 修改

阅读量2.8k

点赞数 7

文章标签：深度学习 python 人工智能

于 2023-02-22 10:57:20 首次发布

本文链接：https://blog.csdn.net/xingman510/article/details/129157000

版权

本文介绍了如何将预训练的YOLOv7.pt模型通过rknntoolkit2转换为RK3588平台适用的RKNN模型。首先，从GitHub获取源码和模型文件，然后在yolo.py中修改Detect类的前向传播过程，以避免ONNX转换时出错。接着，运行export.py生成yolov7.onnx模型。最后，在Linux环境下安装rknntoolkit2，将onnx模型复制到例子目录并调整test.py，运行后完成转换。

摘要由CSDN通过智能技术生成

任务目标

将训练好的yolov7.pt转换为yolov7.onnx。
将yolov7.onnx转换为yolov7.rknn。

实验过程

说明：本次实验仅为模型转换步骤的验证，所以不涉及模型训练部分。

首先去官网下载源码和yolov7.pt文件。

源码地址：https://github.com/WongKinYiu/yolov7.git
模型地址：https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pt

在models/yolo.py中将Detect类中的前向传播过程由：

    def forward(self, x):
        # x = x.copy()  # for profiling
        z = []  # inference output
        self.training |= self.export
        for i in range(self.nl):
            x[i] = self.m[i](x[i])  # conv
            bs, _, ny, nx = x[i].shape  # x(bs,255,20,20) to x(bs,3,20,20,85)
            x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()

            if not self.training:  # inference
                if self.grid[i