RK3562/3588系列之6—yolov5模型的部署
- 1.yolov5模型训练
- 2.训练好的模型转成onnx格式
- 3.模型从onnx格式转RKNN
-
- 3.1 onnx2rknn.py
- 3.2 onnx2rknn.py
- 3.3 直接使用rknn.api
- 3.4 rknn_model_zoo中的转换代码
- 3.5 LubanCat-RK系列板卡官方资料
- 4.RK NPU c++推理
-
- 4.1交叉编译
- 4.2 开发板执行编译好的二进制文件
- 参考文献
yolov5是使用非常广泛的深度学习模型之一。同时，RK官方资料中也有非常多的资料。
本博客结合这些资料，进行yolov5在RK3588开发板部署的实践介绍。
整体过程包括：
- 模型的训练；
- 训练好的模型（如.pt）导成onnx格式；
- onnx模型转为RKNN格式；
- NPU读取模型进行推理。
代码执行建议通过terminal命令行进行。
1.yolov5模型训练
注意要使用 RK官方github yolov5 。虽然它也是基于https://github.com/ultralytics/yolov5 ，但也有一些变化。
README中有简单介绍：
直接使用
