苏州的网络公司网站建设镇江搜索优化技巧

地址1，转换模型

地址2，转换模型

地址3，解决ppa

下载k2

  

一、将.pt模型转为onnx模型文件。（Windows）

前提：下载源码。源码下载地址~

1. 将models/yolo.py中的Detect类下的forward函数改为下面内容：

def forward(self, x):z = []  # inference outputfor i in range(self.nl):x[i] = self.m[i](x[i])  # convreturn x

2. 修改export.py文件
   原内容：
   
   修改为：shape = tuple(y[0].shape) # model output shape
   

3. 将训练好的模型文件best.pt文件放入export.py文件的同级目录下。
   使用命令：python export.py --weights best.pt --img 640 --batch 1 --include onnx。将.pt模型转为.onnx模型。

二、将.onnx模型转为.rknn模型文件。（Linux）

1. 为了减少不必要的麻烦，请下载Ubuntu新版本，如22.04版本。Ubuntu下载地址！
   
2. 安装miniconda：

wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.9.2-Linux-aarch64.sh
bash Miniconda3-py38_4.9.2-Linux-aarch64.sh

这里创建环境就不多赘述，详情查看创建环境教程地址。这里我们创建python=3.9的环境。

3.下载转换文件。 下载文件地址。
   在windows上下载好转换文件，然后移到Ubuntu系统上。然后使用命令： cd rknn-toolkit2-master/rknn-toolkit2/packages，进入packages文件夹中，安装以下文件。（因为我们安装的环境是python3.9）

使用命令：

pip install rknn_toolkit2-1.6.0+81f21f4d-cp39-cp39-linux_x86_64.whl -i https://pypi.doubanio.com/simple/
pip install -r requirements_cp39-1.6.0.txt -i https://pypi.doubanio.com/simple/

   安装完成后，使用命令：python，然后使用命令from rknn.api import RKNN，若没有报错，则说明安装成功。

   坑1：使用源时一定要使用：-i https://pypi.doubanio.com/simple/，因为其他很多源里没有一些安装的依赖文件，所以会出错，这里我也浪费了很多时间，所以一定要使用本文中的命令。避免出现一些错误。
   坑2：有时在安装时会出现错误并暂停，有时是因为下载速度的原因导致的错误，这时多执行几次安装命令即可。

4. 将.onnx模型存放在ylov5文件夹中。
   使用命令： cd rknn-toolkit2-master/rknn-toolkit2/examples/onnx/yolov5移到到该文件夹下，将windows下生成的.onnx放到该目录下。如下所示。
   
5. 修改test.py文件。

自定义类别中，要与训练模型时的类别一致。

6. 生成.rknn模型
   运行test.py，使用命令：python test.py。运行完成后，文件目录下生成了.rknn模型。
   

三、将.rknn模型部署到开发板RK3588中。（ARM）