位置: IT常识 - 正文

yolov5篇---yolov5训练pt模型并转换为rknn模型,部署在RK3588开发板上——从训练到部署全过程(yolov5训练参数说明)

编辑:rootadmin
yolov5篇---yolov5训练pt模型并转换为rknn模型,部署在RK3588开发板上——从训练到部署全过程 yolov5训练pt模型并转换为rknn模型,部署在RK3588开发板上——从训练到部署全过程一、任务介绍二、实验过程2.1 使用正确版本的yolov5进行训练(平台:x86机器ubuntu22.04系统)2.2 best.pt转换为best.onnx(平台:x86机器ubuntu22.04系统)2.3 best.onnx转换为best.rknn(平台:x86机器ubuntu22.04系统)2.3.1 环境准备和工具包安装2.3.2 onnx转换为rknn2.4 RK3588部署rknn实现NPU加速(平台:aarch板子Linux系统)3. 3588平台部署一、任务介绍

推荐整理分享yolov5篇---yolov5训练pt模型并转换为rknn模型,部署在RK3588开发板上——从训练到部署全过程(yolov5训练参数说明),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:yolov5讲解,yolov5训练参数说明,yolov训练,yolov5讲解,yolov训练,yolov5 教程,yolov1训练过程,yolov训练,内容如对您有帮助,希望把文章链接给更多的朋友!

  瑞芯微RK3588是一款搭载了NPU的国产开发板。NPU(neural-network processing units)可以说是为了嵌入式神经网络和边缘计算量身定制的,但若想调用RK3588的NPU单元进行推理加速,则需要首先将模型转换为**.rknn格式**的模型,否则无法使用。

  这次我们的任务是将yolov5训练得到的pt模型,一步步转换为rknn模型,并将rknn模型部署在搭载RK3588的StationPC M3主机上,使用NPU推理。(官网NPU教程:NPU使用 — Firefly Wiki)查阅资料和官网后发现转换和使用过程分以下几步,首先总结给大家,后文细说:

1.使用正确版本(v5.0)的yolov5进行训练得到pt模型;

2.将pt模型使用yolov5工程中的export.py转换为onnx模型;

3.将onnx模型使用rknn-toolkit2中onnx文件夹的test.py转换为rknn模型;

4.在板子上使用rknpu2工具调用rknn模型,实现NPU推理加速。

  接下来进行详细介绍。

二、实验过程2.1 使用正确版本的yolov5进行训练(平台:x86机器ubuntu22.04系统)

  人菜就要跟着官方教程做,请看官方教程:

rknn-toolkit/examples/pytorch/yolov5 at master · rockchip-linux/rknn-toolkit · GitHub

  需要指出的是,虽然我们后面要使用的是rknn-toolkit2工具进行模型转换,但教程却在rknn-toolkit工程中,github二者的父目录如图:

  进入rknn-toolkit工程,浏览至/example/pytorch/yolov5,在README中赫然写着:   这就是我们本次要使用的“正确版本的yolov5” ,怕麻烦的读者请一定按照这个id去yolov5官网找到工程并克隆下来。进入yolov5官网GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

git clone 获取指定分支的指定commit版本

git clone https://github.com/ultralytics/yolov5cd yolov5git reset --hard c5360f6e7009eb4d05f14d1cc9dae0963e949213

  非常棒,至此我们已经找到了正确版本的yolov5!接下来就是把代码克隆到本地或者云服务器,开始训练自己的pt模型;此处实际上是yolov5 5.0版本的工程,其中未包含预训练模型yolov5s.pt,需要我们自行下载,在releasesl链接中找到V5.0下载yolov5s.pt,链接如下:

https://github.com/ultralytics/yolov5/releases

关于yolov5的运行环境配置、参数修改和训练命令,网上教程很多,满足package的要求,可以开始训练收敛即可,不作为本文重点。最终在经过若干轮训练后,我们得到了自己的last.pt模型,本部分告一段落。

2.2 best.pt转换为best.onnx(平台:x86机器ubuntu22.04系统)

(1)   此处依然参考rknn-toolkit工程中的教程进行转换,切记以下步骤!!!

注意:在训练时不要修改yolo.py的这段代码,训练完成后使用export.py进行模型导出转换时一定要进行修改,不然会导致后面的rknn模型转换失败!

(2) 修改export.py

找到 torch.onnx.export 所在行  

修改后将last.pt移动至export.py同一文件夹下,在命令行调用以下命令:

python export.py --weights last.pt --img 640 --batch 1 --include onnxyolov5篇---yolov5训练pt模型并转换为rknn模型,部署在RK3588开发板上——从训练到部署全过程(yolov5训练参数说明)

我们便可以得到成功转换的模型last.onnx。

2.3 best.onnx转换为best.rknn(平台:x86机器ubuntu22.04系统)2.3.1 环境准备和工具包安装

  有了以上的last.onnx模型作为基础,现在可以正式开始rknn模型的转换了。此处的转换工具rknn-toolkit2只能在Linux系统上运行,这里我使用的是本机Ubuntu22.04。在上文提到的链接中下载rknn-toolkit2,下载后的文件夹如图:

  首先安装rknn-toolkit2的环境, 其环境要求在./doc/requirements_cp38-1.4.0.txt中,这里我使用的是anaconda创建的python3.8虚拟环境,创建环境并命名为rknn_3588,使用pip安装requirements_cp38-1.4.0.txt中的包

pip install -r requirements_cp38-1.4.0.txt

环境满足需求后便可以安装rknn-toolkit2工具包了,浏览至**./packages**中,输入以下命令:

pip install rknn_toolkit2-1.4.0_22dcfef4-cp38-cp38-linux_x86_64.whl

提示安装完成后我们可以检查是否安装成功,在终端中运行python,输入:

from rknn.api import RKNN

若不报错说明我们的工具包已经安装成功,之后便可进行rknn模型的转换了~

2.3.2 onnx转换为rknn

  在rknn-toolkit2工程文件夹中浏览至 ./examples/onnx/yolov5,将我们在2.2中转换得到的last.onnx复制到该文件夹下,修改该文件夹下的test.py中的内容为自己模型的名字,要修改的地方如下:

在这个test.py的main函数中(在第230行附近)可以了解到这个python文件的作用:

【 配置——加载onnx模型—导出rknn模型——rknn模型推理——后处理——输出结果】

最终弹窗得到post process result,若结果正确,说明我们的rknn模型转换成功了!这里的test.py构建了一个虚拟的NPU运行环境,模拟在RK3588上真实运行的情况。结果正确说明离最终完成任务只差部署在板子上这一步了。

这时在当前文件夹**./example/onnx/yolov5中可以看到生成的last.rknn**模型。至此,我们离胜利就不远了。

2.4 RK3588部署rknn实现NPU加速(平台:aarch板子Linux系统)

  终于RK3588板子登场的时候了,但如果它还是原生的安卓系统,请按官网教程给它安装一个Linux系统吧。我这里使用TF卡烧录安装了Ubuntu系统。

  依然找到官网,下载其中的rknpu2工具,链接如下:https://github.com/rockchip-linux/rknpu2

3. 3588平台部署

在3588的主目录上获取官方demo

git clone https://github.com/rockchip-linux/rknpu2.git

进入yolov5目录

cd /home/ptay/rknpu2-master/examples/rknn_yolov5_demo

修改include文件中的头文件postprocess.h

#define OBJ_CLASS_NUM 3 #这里的数字修改为数据集的类的个数

修改model目录下的coco_80_labels_list.txt文件, 改为自己的类并保存

xxxxxxxxx

将转换后的rknn文件放在model/RK3588目录下

编译,运行shell

bash ./build-linux_RK3588.sh

成功后生成install目录

cd install/rknn_yolov5_demo_linux

在model目录下放入需要推理的图片

运行

./rknn_yolov5_demo ./model/RK3588/last.rknn ./model/0625_xx_005.jpg

注:后面的图片用的全路径,因为当前的相对路径识别不到(主要是看图片所在的位置)

在rknn_yolov5_demo_linux获取到结果

参考: https://blog.csdn.net/m0_57315535/article/details/128250096 https://blog.csdn.net/m0_51714298/article/details/125916417

本文链接地址:https://www.jiuchutong.com/zhishi/285121.html 转载请保留说明!

上一篇:亨茨维尔附近绿色山公园中的Cambron Covered Bridge,阿拉巴马州 (© Jens Lambert/Shutterstock)(亨茨维尔机场)

下一篇:马蹄莲的养殖方法(马蹄莲的养殖方法和注意事项视频)

  • 小规模减免增值税要交企业所得税吗
  • 办公楼出租价格怎么算
  • 小规模开票多少不用交税
  • 注册资本印花税按年申报还是按次申报
  • 综合年度自行申报后要怎么操作
  • 资产处置收益是什么意思
  • 退休职工怎么填写单位吗
  • 银行开户费用计入
  • 普通折叠发票代码是几位数
  • 旅游的合同
  • 施工单位奖金分配方案
  • 对方开票怎么做账务处理
  • 电子凭证是否具有法律效力
  • 研发支出转入管理费用摘要
  • 购置税交了发票能作废吗
  • 新成立公司没有财务报表情况说明
  • 混合销售行为的含义及税务处理
  • 增值税开票系统收款人在哪里设置
  • 申报密码遗失怎么重置
  • 未分配利润调整到其他应付款
  • 上月作废的发票忘了作废,怎么做账
  • 以前年度未分配利润属于什么科目
  • 享受小型微利企业税收优惠的条件
  • 出口免抵退申报期限最新政策解读
  • 公共租赁住房的供应对象不包括
  • 工地买东西怎么记账
  • Proxy error: Could not proxy request 解决方法
  • 某企业存货跌价准备原材料科目贷方
  • apkpure 安全
  • 二手房交易土增税文件
  • 公司年终奖怎么缴税
  • 图书发行流程
  • 用友预收货款账务处理
  • 借款合同印花税怎么做账
  • 借银行存款贷预收账款
  • 小程序和公众号可以同名吗
  • js 跳转网页
  • 其他科技推广服务业可以加计扣除吗
  • python获取字符串中汉字的个数
  • 累计折旧大白话
  • 远期外汇合约的特点
  • java hash()
  • 帝国cms如何卸载应用
  • 无形资产商标设计图片
  • 在mysql中子查询是
  • 金蝶如何新增客户
  • 民办非企业保险优惠政策
  • SQL Sever2008r2 数据库服务各种无法启动问题的解决办法(详解)
  • mysql命令行怎么用
  • 装修公司财务报表图片
  • 资源税的征税对象都是原矿和选矿
  • 建行E信通贴现需要发票吗
  • 会计中应收账款属于什么科目
  • 出口退税后发生退货补缴怎么算增值税
  • 销售折让的红字信息申请表怎么做
  • 营改增企业是什么意思
  • 人工费的发票税率怎么算
  • 丢失了发票怎么处理
  • 承兑汇票被背书人
  • 长期待摊费用什么时候结束摊销
  • 私营公司商业汇票怎么开
  • 批发商品销售的方式有委托代销吗
  • deepin 2014系统下安装mysql数据库的方法步骤
  • ubuntu安装软件没反应
  • win8系统如何安装软件
  • xp系统如何配置ip
  • win7系统卡慢怎么修复
  • mmc.exe是什么
  • win7如何设置计算机自动开机
  • 红石怎么启动
  • js自动输入
  • css中的单位主要有哪些
  • 基于springboot的毕设
  • linux进程管理命令使用
  • 不宜用于
  • node.js的安装步骤
  • 福建税务局网上办税
  • 外经证办理流程在哪个网站申请
  • 税务局大厅咨询台
  • 汽车销售流程有哪些环节?每个环节的主要内容是什么?
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设