SS928(SD3403) yolov8 移植

部署运行你感兴趣的模型镜像

一、Conda环境安装Yolov8

Yolov8开源地址路径如下:https://github.com/ultralytics/ultralytics.git,工程Readme描述需要requirements in a Python>=3.8 environment with PyTorch>=1.8.

所以我们安装conda虚拟环境如下

conda create -n yolov8 python=3.10.12
conda activate yolov8
pip install --upgrade pip  -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -r requirements_yolov8.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

requirements_yolov8.txt

# Usage: pip install -r requirements_yolov8.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.21.6
opencv-python>=4.6.0
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch==2.1.0
torchvision==0.16.0
tqdm>=4.64.0

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
onnx>=1.12.0  # ONNX export
onnxsim>=0.4.1  # ONNX simplifier

# Extras --------------------------------------
psutil  # system utilization
thop>=0.1.1  # FLOPs computation

ninja

二、下载Yolov8 源代码

git clone https://github.com/ultralytics/ultralytics.git

因为上面有通过pip安装ultralytics,可以用yolo xxx的命令方式直接执行推理

三、导出onnx模型

首先进入ultralytics目录,执行pyton3,输入下面命令

from ultralytics import YOLO
model = YOLO("yolov8n.pt")
success = model.export(format="onnx", opset=11)

python会自动把yolov8n.pt模型下载到ultralytics目录,export的时候,需要指定opset=11,主要是因为3403 NPU 支持了这个版本,如果不是该版本,可能会导致atc工具执行失败

四、onnx转om文件

source $HOME/Ascend/ascend-toolkit/latest/x86_64-linux/bin/setenv.bash
atc --model=yolov8n.onnx --framework=5 --output=yolov8n --soc_version="OPTG" --output_type=FP32 --insert_op_conf=./op.cfg

ATC工具的安装请参考前面都是视频教程

https://www.bilibili.com/video/BV1uH4y1u7FV/

op.cfg文件内容

aipp_op {
		aipp_mode : static
		related_input_rank : 0
		max_src_image_size : 1228800
		support_rotation : false

		input_format : YUV420SP_U8 # RGB888_U8
		src_image_size_w : 640
		src_image_size_h : 640

		cpadding_value: 0.0
		# 输⼊图⽚为RGB格式,⽆需⾊域转换
		csc_switch : true
		# 输⼊图⽚已转换为RGB格式,⽆需R通道与B通道交换
		rbuv_swap_switch : false
		ax_swap_switch : false

		# YUV420SP_U8 转 RGB 输⼊数据为 BT-601NARROW 视频
		matrix_r0c0 : 256
		matrix_r0c1 : 0
		matrix_r0c2 : 359
		matrix_r1c0 : 256
		matrix_r1c1 : -88
		matrix_r1c2 : -183
		matrix_r2c0 : 256
		matrix_r2c1 : 454
		matrix_r2c2 : 0
		input_bias_0 : 0
		input_bias_1 : 128
		input_bias_2 : 128

		# no crop
		crop : false
		load_start_pos_h : 0
		load_start_pos_w : 0
		crop_size_w : 640
		crop_size_h : 640

		# 均值计算 : 255x[0.0, 0.0, 0.0], ⽅差倒数计算 : 1/[255x[1.0, 1.0, 1.0]]
		min_chn_0 : 0.0
		min_chn_1 : 0.0
		min_chn_2 : 0.0
		var_reci_chn_0 : 0.0039215686274509803921568627451
		var_reci_chn_1 : 0.0039215686274509803921568627451
		var_reci_chn_2 : 0.0039215686274509803921568627451
}

五、视频操作教程如下

1海思SS928(3403)YOLOV8移植-环境搭建

您可能感兴趣的与本文相关的镜像

Yolo-v8.3

Yolo-v8.3

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

评论 10
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱爬山的木木

佛系111

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值