yolov5转rknn,亲测成功

最新推荐文章于 2025-08-21 14:24:25 发布
原创 最新推荐文章于 2025-08-21 14:24:25 发布 · 678 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #pytorch #人工智能

文章详细描述了如何配置和使用YOLOv5进行训练，之后将PyTorch的模型文件转换为ONNX格式，具体操作包括修改yolo.py和export.py文件，以及利用rknn-toolkit2将ONNX模型转换为RKNN格式。整个过程涉及环境配置、模型训练和模型转换等多个环节。

1 配置yolov5

下载yolov5,我下了最新版本GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

按要求装环境,requirements.txt

训练完,得到模型文件.

yolo.py第62行,加一行如下,并设置self.export=True

修改export.py文件第571行,

shape = tuple((y[0] if isinstance(y, tuple) else y).shape)

修改如下:

shape = tuple(y[0].shape)

然后将pt模型文件转为onnx文件

python export.py --weights test/best.pt --img 640 --batch 1 --include onnx --simplify --opset 12

2 best.onnx转换为best.rknn

下载rknn工程,rknn-toolkit2

按要求装环境,requirements.txt

 

 这里改一下,常规参数也填好.运行成功.

最低0.47元/天 解锁文章
hqliling
关注
yolov5转成rknn模型
C/C++、嵌入式开发、深度学习算法、模型部署与推理优化
03-10 8822
1 转换方法 将yolov5的pth模型转成rknn模型，具体方法分两步 利用yolov5工程中自带的export.py将pt模型转成onnx模型 利用如下脚本生成rknn模型 将onnx模型转化为RV1126平台的rknn模型_cumtchw-优快云博客 这篇笔记不是为了介绍具体转换方法，而是记录一下中间转换过程中的一些问题。 2 yolov5版本问题 我们想在瑞芯微的板子用C++推理yolov5的rknn模型，目前一般是利用瑞芯微提供的C++ demo 瑞芯微RV1126的YOLOv5官
rk3588部署yolov8视频目标检测教程
qq_53545309的博客
07-19 1531
因为我使用的自定义数据集，我是基于VisDrone数据加上了自己的数据制作的训练集，所以加载的是改造后的VisDrone.yaml文件 数据的转换这里不仔细写了，以后空了我再补充在这里，但是需要注意的是，我是二分类，所以需要修改两处地方，否则训练出来的模型是不正确的。其中BUILD_SHARED_LIBS表示是否编译为动态库，我关闭后，变成静态库，使用的时候一直报错，所以我还是使用的动态库去链接，有懂的大佬请指教一下。
yolov5_for_rknn:PyTorch中的YOLOv5> ONNX> RKNN
05-10
原版仓库： 修改版 yolov5 使用方法 环境要求：python version >= 3.6 模型训练：python3 train.py 模型导出：python3 models/export.py --weights "xxx.pt" 转换rknn：python3 onnx_to_rknn.py 模型推理：python3 rknn_detect_yolov5.py 注意事项：如果训练尺寸不是640那么，anchors会自动聚类重新生成，生成的结果在训练时打印在控制台，或者通过动态查看torch模型类属性获取，如果anchors不对应那么结果就会出现问题。 建议：在训练时如果size不是640，那么可以先通过聚类得到anchors并将新的anchors写入到模型配置文件中，然后再训练，防止动态获取的anchors在rknn上预测不准的问题。训练参数别忘记加上 --noautoanchor
1.rk3588的yolov5运行：pt_onnx_rknn转换及rknn在rk3588系统python运行
weixin_71719718的博客
11-17 4722
第一步将pt文件转换为了onnx文件，这里开始将onnx文件转换为rknn文件，这步转换我们需要搭建ubuntu20.04的虚拟环境，然后在ubuntu20.04的虚拟环境下转换（我开始用的ubuntu18.04的虚拟环境，但转换失败，所以大家还是乖乖的用ubuntu20.04吧）（3）也可以修改'--iou-thres'和'--conf-thres'参数，该参数是yolov5的置信度，会影响模型最终检测的精度，但不会影响pt文件转换为onnx文件的成功与否。我们在终端运行以下代码解除文件权限即可。
Yolov5 转换成 RKNN模型
weixin_43999691的博客
08-11 1万+
Yolov5 转换成 RKNN模型
yolov5训练并生成rknn模型部署在RK3588开发板上，实现NPU加速推理
m0_62919535的博客
03-24 1万+
RK3588是瑞芯微（Rockchip）公司推出的一款高性能、低功耗的集成电路芯片。它采用了先进的28纳米工艺技术，并配备了八核心的ARM Cortex-A76和Cortex-A55处理器，以及ARM Mali-G76 GPU。该芯片支持多种接口和功能，适用于广泛的应用领域。本篇为yolov5部署在RK3588的教程。接着将训练好的best.pt放在工程文件夹下，使用yolov5工程中的export.py将其转换为onnx模型。
yolov5模型转换rknn
m0_58944591的博客
06-21 1817
用下面板载的程序，这个程序修改于rknn-toolkit2-1.4.0中的examples/onnx/yolov5/text.，测试一下,使用刚转换的best.rknn模型，推理名为images4.jpg的照片。修改rknn-toolkit2-1.4.0/examples/onnx/yolov5/text.py 文件，ONNX_MODEL为刚生成的.onnx文件，RKNN_MODEL为将要转换成.rknn的文件。训练好后导出.rknn模型，best.pt 文件在./run/中。
精选资源
C++ yolov5 图像识别 亲测成功 源码
08-14
标题中的"C++ yolov5 图像识别 亲测成功 源码"表明这是一个使用C++编程语言实现的YOLOv5图像识别项目，并且经过了实际测试，证明是成功的。YOLO（You Only Look Once）是一种实时目标检测系统，尤其以YOLOv5为最新...
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~4.导出模型（亲测有效）
08-16 3077
保姆级教程，看这一篇就够用了。在翻阅了网络上很多资料后，发现很多版本的信息比匹配。花了一周的时间配置环境，以及环境验证，然后写了这篇长文。有过程，有代码，有经验，欢迎大家批评指正。一、环境准备二、环境验证三、yolov5 训练自己的模型四、模型导出与部署。
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~2.环境验证（亲测有效）
08-16 3848
在翻阅了网络上很多资料后，发现很多版本的信息比匹配。花了一周的时间配置环境，以及环境验证，然后写了这篇长文。有过程，有代码，有经验，欢迎大家批评指正。
关于yolov5模型转换为rknn
weixin_44220689的博客
09-29 3565
关于yolov5模型转换为rknn的相关流程和问题记录
yolov5-5.0模型部署--pt模型转换为rknn模型并部署在RK3588开发板上（小白保姆级教学）
LMH564123的博客
07-27 4734
.1 使用正确版本的yolov5进行训练(平台：x86机器ubuntu22.04系统)2. best.pt转换为best.onnx(平台：x86机器ubuntu22.04系统).3 best.onnx转换为best.rknn（平台：x86机器ubuntu22.04系统）3.1 环境准备和工具包安装3.2 onnx转换为rknn 4 RK3588部署rknn实现NPU加速（平台：aarch板子Linux系统）
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
热门推荐
m0_57315535的博客
12-09 4万+
本文实现了yolov5模型从训练pt模型，到转换为rknn模型，最终部署在RK3588板子上使用NPU加速推理的过程。
YoloV5的Onnx模型转RKNN模型(包成功，最详细)
chui_yu666的博客
04-03 2337
下面是前期准备：1.环境存储：建议100G以上(我感觉50G左右可能够)2.文件rknn-toolkit2-1.4.0.zip(下载链接见4.其它)onnx模型(算子集版本小于等于 12,具体原因详见4.其它中的3.1报错提示)验证图片模型的类别3.方式本博客使用VMware虚拟机以及VMware共享文件夹实现虚拟机和主机之间的互传文件。
yolov5训练pt模型转换为rknn模型_部署在RK3588上--整个流程
m0_60657960的博客
11-22 1160
3.将onnx模型使用rknn-toolkit2中onnx文件夹的test.py转换为rknn模型；预训练模型yolov5s.pt，需要我们自行下载，在releasesl链接中找到。2.将pt模型使用yolov5工程中的export.py转换为onnx模型；4.在板子上使用rknpu2工具调用rknn模型，实现NPU推理加速。1.使用正确版本（v5.0）的yolov5进行训练得到pt模型；1、一块RK3588的开发板（上面是Ubuntu环境）2、PC电脑（上面是Ubuntu环境）
yolov5训练的pt模型转rknn模型方法流程总结
weixin_45004544的博客
01-07 1592
为了将yolov5训好的pt模型部署在RK3588上，需要先将pt模型转换为rknn模型。
从YOLOv5到RKNN：零冲突转换YOLOv5模型至RK3588 NPU全指南
最新发布
m0_74313397的博客
08-21 1265
本文详细介绍了将YOLOv5模型转换至RK3588 NPU的全过程，重点采用环境隔离技术避免依赖冲突。主要内容包括：1）创建干净工作环境并准备核心文件；2）在隔离环境中将PyTorch模型导出为ONNX格式；3）在独立虚拟环境中使用RKNN-Toolkit2将ONNX转换为RKNN模型；4）提供视频帧提取脚本准备量化校准数据。通过分步隔离操作和版本控制，确保转换过程的稳定性和兼容性，最终获得可在RK3588 NPU上高效运行的模型文件。
RKNN_C++版本-YOLOV5
weixin_43999691的博客
01-23 1455
为了实现低延时，所以开始看看C版本的rknn的使用，确实有不足的地方，请指正（代码借鉴了rk官方的仓库文件）。
win11下yolov5的onnx文件转rknn
qq_43791139的博客
05-22 745
【代码】win11下yolov5的onnx文件转rknn。
yolov5转换rknn
01-09
为了成功将YOLOv5模型转换为RKNN格式，需先准备好必要的工具和环境。这包括但不限于安装`virtualenv`用于创建独立的Python环境，以及确保已获取合适的YOLOv5预训练模型文件，如`yolov5s.pt`、`yolov5m.pt`、`yolov5l...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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