参考
Yolov8在RK3588上进行自定义目标检测(一)
Yolov8在RK3588上进行自定义目标检测(二)
best.onnx转yolov8.rknn
onnx转rknn需要用到rknn-toolkit2，这个工具暂时不支持windows，所以我们移步linux，我用的是虚拟机创建的ubuntu20.4的系统，建议使用conda管理环境，使用conda安装了python3.8。
rknn-toolkit2项目地址：https://github.com/airockchip/rknn-toolkit2/tree/master
下载 RKNN 相关仓库
# 下载 RKNN-Toolkit2 仓库 参数 --depth 1 表示只克隆最近一次 commit
git clone https://github.com/airockchip/rknn-toolkit2.git --depth 1 整体目录结构
安装 RKNN-Toolkit2 环境
安装 Python
如果系统中没有安装 Python 3.8（建议版本），或者同时有多个版本的 Python 环境，建议 使用 Conda 创建新的 Python 3.8 环境。
安装 Conda
在计算机的终端窗口中执行以下命令，检查是否安装 Conda，若已安装则可省略此节步骤。
conda -V
# 参考输出信息：conda 23.9.0 ，表示 conda 版本为 23.9.0
# 如果提示 conda: command not found，则表示未安装 conda如果没有安装 Conda，可以通过下面的链接下载 Conda 安装包：
wget -c https://mirrors.bfsu.edu.cn/anaconda/miniconda/Miniconda3
latest-Linux-x86_64.sh 然后通过以下命令安装 Conda：
chmod 777 Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh使用 Conda 创建 Python 环境
在计算机的终端窗口中，执行以下命令进入 Conda base 环境：
source ~/miniconda3/bin/activate # miniconda3 安装的目录
# 成功后，命令行提示符会变成以下形式：
# (base) xxx@xxx:~$通过以下命令创建名称为 toolkit2 的 Python 3.8 环境：
conda create -n toolkit2 python=3.8 激活 toolkit2 环境，后续将在此环境中安装 RKNN-Toolkit2：
conda activate toolkit2
# 成功后，命令行提示符会变成以下形式：
# (toolkit2) xxx@xxx:~$安装依赖：
pip install -r requirements_cp38-2.0.0b0.txt安装rknn_toolkit2：
pip install rknn_toolkit2-2.0.0b0+9bab5682-cp38-cp38-linux_x86_64.whl验证是否安装成功：
在终端输入以下内容不报错代表成功。
python
from rknn.api import RKNN
在Linux环境下安装rknn-toolkit2的python环境用于转换rknn格式文件。
在https://github.com/airockchip/rknn_model_zoo/tree/main/examples/yolov8/python下，运行修改后的convert.py脚本，利用之前得到的onnx文件转换得到rknn文件。
#需要修改convert.py的 DATASET_PATH和DEFAULT_RKNN_PATH
DATASET_PATH = '/home/wyx/Projects/rknn_model_zoo/examples/yolov8/model/dataset.txt'
#DEFAULT_RKNN_PATH：生成的rknn模型路径
DEFAULT_RKNN_PATH = '../model/yolov8.rknn'修改配置文件（可选）
将训练生成的best.onnx文件的格式转换成yolova8.rknn形式 。
python convert.py /home/wyx/Projects/best.onnx rk3588
转换结果图
在/home/wyx/Projects/rknn_model_zoo/examples/yolov8/model/下生成yolov8.rknn。
