海风的博客

在yolov5-6.2_hat_2文件夹下新建prepare_calibration存放待校准数据，新建一个prepare_calibration_data.py文件，执行之后就可以在calibration_data下生成校准数据。在挂载目录中的BPUCodes文件夹中新建文件夹yolov5-6.2_hat_2，将上一步得到的onnx模型复制一份进来。我的这个模型只训练了五轮，对图片的识别率不错，后续的视频流推理容易出错，轮次多点应该就好了。转换模型需要yaml参数文件，具体含义参考。

上板运行的后处理使用cython封装了，由于每个版本的yolo输出的形状不一样，这里只能用yolov5-6.2这个版本。

原文参考：https://blog.youkuaiyun.com/Zhaoxi_Li/article/details/125516265这次部署的过程在windows下进行，深度学习环境和docker都是安装在windows中。系统：win10简单来说就是一块性能拉跨点的笔记本电脑，可以直接插入鼠标、键盘、显示屏，当作电脑使用。这使得可以部署深度学习算法到这块板子上。