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
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
