【嵌入式AI开发rk3588】yolov8模型转换：pt-＞onnx-＞rknn

最新推荐文章于 2025-08-19 09:09:14 发布

原创最新推荐文章于 2025-08-19 09:09:14 发布 · 602 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #YOLO

部署运行你感兴趣的模型镜像

yolov8系列模型转换步骤

1. pt->onnx

在官方给出的airockchip/ultralytics_yolov8下，配置cfg/default.yaml中task,mode,model路径：

task: segment # (str) YOLO task, i.e. detect, segment, classify, pose
mode: export # (str) YOLO mode, i.e. train, val, predict, export, track, benchmark
model: xx/yolov8n-seg.pt(自己训练的模型路径) # (str, optional) path to model file, i.e. yolov8n.pt, yolov8n.yaml
...
format: rknn

run engine/exporter.py转换为官方算子适应的onnx

PyTorch: starting from '' with input shape (16, 3, 640, 640) BCHW and output shape(s) ((16, 64, 80, 80), (16, 80, 80, 80), (16, 1, 80, 80), (16, 32, 80, 80), (16, 64, 40, 40), (16, 80, 40, 40), (16, 1, 40, 40), (16, 32, 40, 40), (16, 64, 20, 20), (16, 80, 20, 20), (16, 1, 20, 20), (16, 32, 20, 20), (16, 32, 160, 160)) (6.7 MB)

RKNN: starting export with torch 2.4.1+cu121...

ultralytics版本不一致可能会导致（import优先导入了虚拟环境中的包）：
ImportError: cannot import name ‘default_class_names’ from ‘ultralytics.nn.autobackend’
pip install -e . 解决问题

2. onnx->rknn

run rknn_model_zoo/examples/yolov8/python下的convert.py

注意转换前要在rknn toolkit2环境下

python convert.py ./xxx.onnx rk3588

最终转换的rknn模型如下图（官方的yolov8n-seg.rknn）：13个output

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎