m0_60657960的博客

1、简介3.、Pretrained Model（在3588上）cd model。

【代码】PaddlePaddle的OCR模型转onnx-转rknn模型_笔记4。

cuda、cudnn、pytorch、conda、PPOCRLabel等。对每一个图片内容进行检测并改正;完成之后点击右下角确认。自动导出标记结果、自动重新识别、自动保存未提交变更。这次主要改进并优化之前写的一篇内容。记录自己使用的过程，方便后期使用。1、首先启用PPOCRLabel。2、接着点击左下角的自动标注。导出标记结果、导出识别结果。3、确认完成后点击左上角。文件，把下面三个都选上。未完后面接着更...

5、启动 【KIE 模式】，用于打【检测+识别+关键字提取】场景的标签。2、这个比较重要需要选择适合自己电脑版本。4、接着安装PPOCRLabel。ubuntu22.04系统。

我的电脑环境配置：cuda=12.4（官方说的是只能11.8及12.3但是我用12.4也没问题）

results = model.train(data="/home/sxj/yolov8-2/data/coco.yaml", epochs=200,batch=1,device='0')#训练模型。3、依次运行python split_train_val.py及生成data/ImageSets/Main里边生成四个txt。这个是已经跑成功yolov8方便替换其它数据集写的，其它第一次跑yolov8的不要看这个。2、修改coco.yaml、voc_label.py的标签，标签顺序不能错。

3、执行下面的命令，就打开labelme。

将下面的so文件复制到/usr/lib/下。

这里直接参考了我的另一篇文章。

提示Command'nvidia-smi'notfound,butcanbeinstalledwith:说明你还没有安装显卡驱动。完成后重启在输入nvidia-smi就可以看到电脑可以安装cuda的最高版本号。进入搜狗forlinux官网下载搜狗输入法，下载x86版本。查看可以安装cuda的版本（低于这个或等于这个版本都可以安装)这时如果弹出没有可用的附加驱动或附加驱动为空。这里我们选择的是8.8.1版本的。安装命令：打开终端直接输入。其它的找适合自己版本就行。我的是cuda12.4。

yolov8的多卡训练其实很简单，不需要使用繁琐的命令行指令，仅需把device='0,1,2,3’即可，注意一定要加\和引号。至此数据集的准备已经就绪，索引文件在data目录下的train.txt/val.txt/test.txt。使用如下命令，即可完成对新数据的预测，source需要指定为自己的图像路径，或者摄像头（0）进入data/文件夹，新建coco.yaml，内容如下，注意txt需要使用绝对路径。images目录下存放数据集的图片文件。使用如下命令，即可完成训练模型的导出。

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）

假设 locate 命令返回了 libpython3.8.so.1.0 的路径，例如 /usr/local/lib/python3.8/config-3.8-x86_64-linux-gnu/libpython3.8.so.1.0，您需要确保这个路径已添加到 LD_LIBRARY_PATH 环境变量中。如果您希望这些环境变量的更改在每次登录时都生效，可以将 export 命令添加到您的 shell 配置文件中。步骤 4: 再次尝试运行 smart_car_camera。步骤 1: 添加库路径到。

需要结合本地实际安装路径 进行修改。最后找到图标，并移到桌面。

1、打开系统设置，英文为“system setting”，齿轮一样的图标，有的版本安装完之后在任务栏上有，没有的话点右上角齿轮里面有。2、2、进去后打开“language support”(ubuntu20)，Ubuntu18里面叫“Region & Language”汉语放到最上，点击Apply System-Wide退出；RK3588部署ppocr流程及ubuntu安装环境。二、把ubuntu系统从英文修改为中文界面。一、NoMachine安装使用。显示出来保留旧的名称即可。

2末尾输入export PATH="/home/xy/anaconda3/install/bin:$PATH"（加粗部分替换成自己安装anaconda3的路径），点击保存，退出。1 在终端输入：sudo gedit ~/.bashrc。

一、前言。

一、Ubuntu系统中完成环境搭建安装RKNNtoolkit2RKNNtoolkit2的作用是将onnx模型转为rknn模型安装 python3.9版本对应的 RKNN-Toolkit2。

在 PC 端转换 pdmodel 模型为 rknn 模型和在板端使用百度飞浆开发的 FastDeploy 部署工具部署 rknn 模型。以下内容是在 PC 端系统为 Ubuntu20.04，板端系统为ubuntu20.04 的环境下实现的。3.38.1.1.PC 端安装 Anaconda3（这个简单不在介绍）安装 python3.8 版本对应的 RKNN-Toolkit2。3.38.1.2.PC 端安装 RKNN-Toolkit2。安装 RKNN-Toolkit2 的依赖包。3.38.2. 板端环境搭建。

视频转换成图像的脚本。

使用 cmake 编译参数，或者使用第二条默认参数，都可以的。配置 bash ，修改 bash.bashrc 文件。7、保存退出，然后执行如下命令使得配置生效。2、使用 cmake 安装 opencv。4、执行这条命令安装 cmake。5、使用 make 创建编译安装。复制下面这条命令，安装依赖库。创建 build 文件夹。

2、打开UltraISO后，点击左上角的文件，在打开的下拉项中，选择打开准备好的Ubuntu系统20.04 LTS镜像文件(ubuntu-20.04-desktop-amd64.iso)；3、在弹出的窗口中选择需要写入的U盘，写入方式一般默认，具体以生产环境为准，选择了写入方式之后要先格式化，格式化完毕之后点击写入等待写入完毕即可。软碟通下载地址：https://pan.baidu.com/s/1CkHhUQBJmhv1XWAxHCe3_A。3、然后点击启动->写入硬盘映像。点击格式化、写入等待制作完成！

NoMachine 支持 Windows、Mac、Linux、iOS 和安卓平台，所以我们可以在多种设备上通过 NoMachine 来远程登录控制 Orange Pi 开发板。下面演示下在Windows 中通过 NoMachine 来远程登录 Orange Pi 开发板的 Linux 系统桌面。其他平台的安装方法请参考下 NoMachine 的官方文档。

③系统镜像：Orangepipcplus_2.0.8_ubuntu_focal_desktop_linux5.4.65.img。②Win32DiskImager（烧写系统工具）、SDFormatter（TF格式化工具）格式化的盘符千万不要弄错！下载想要烧录的Linux操作系统镜像文件压缩包，然后使用解压软件解压，解压后的文件中，以“下载完后直接解压安装即可，然后打开软件。”，格式化前会弹出一个警告框，选择“”结尾的文件就是操作系统的。首先选择镜像文件的路径。class10 级以上。下载完后直接安装即可，

yolov11可以执行任务：项目环境如下：解释器：python==3.9框架：系统：IDEA：Pycharm自己收集数据集代码地址：https://gitcode.com/gh_mirrors/ul/ultralytics2、权重模型获取权重模型官网：https://docs.ultralytics.com/tasks/detect/五、模型训练未完明天更新完参考：手把手教你使用YOLOv11训练自己数据集（含环境搭建 、数据集查找、模型训练）-优快云博客

模型