记录Yolov5(6.0)转为NCNN全过程

最新推荐文章于 2025-04-11 09:33:28 发布
最新推荐文章于 2025-04-11 09:33:28 发布
阅读量3k 收藏 33
点赞数 4
分类专栏： 课题相关 文章标签： python 目标检测 yolov5
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。
本文链接：https://blog.youkuaiyun.com/qq_41151593/article/details/123523877
版权
这篇博客介绍了如何将YOLOv5模型从PyTorch转换为ONNX格式，并进行简化，然后转换成NCNN部署所需的param和bin文件。关键步骤包括使用export.py脚本转换模型，使用onnxsim简化模型，以及在NCNN中修改param文件和源代码以适应不同输出尺寸。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1、下载yolov5 6.0源码

在这里插入图片描述

2、转换为ONNX格式（参数一定要全，很关键！！！）

python export.py --weights yolov5n.pt --img 640 640 --batch 1 --train --simplify --include onnx

#或者
python export.py --weights yolov5n.pt --img 640 640 --batch 1 --train --simplify --include onnx --opset 11

3、简化ONNX模型

python -m onnxsim yolov5n.onnx yolov5n-sim.onnx

4、转为NCCN格式文件

~/ncnn/build/tools/onnx$ ./onnx2ncnn yolov5n-sim.onnx  yolov5n.param yolov5n.bin

5、更改yolov5n.param参数文件

  • 将图中所指向的参数全改为-1,使输出的BBOX可以自适应
最低0.47元/天 解锁文章
YOLOv5转NCNN过程
qq_41669468的博客
12-02 6751
官网提供的yolov5代码中已经能实现pt转onnx,但为了在android端使用 需要将onnx转ncnn,由于yolov5的部分网络层并没有在ncnn代码库中封装，直接使用ncnn中的onnx2ncnn会存在一些不支持的问题。该博客就是借他人经验，将实现的过程重新整理了一遍。便于向我一样的新手在初次使用时快速上手。 实现步骤 1, 安装onnx-simplifier 1.1: pip install onnx-simplifier (具体该工具的作用自行百度) 1.2: python -m onnxs
YoloV5模型用NCNN集成到Android应用
m0_37754853的博客
07-17 1972
YoloV5模型用NCNN集成到Android应用。
u版yolov5 模型转ncnn
dongdonglele521的博客
11-05 2356
最近项目需要yolov5做检测，用c++实现，在cpu上运行，所以想到一些部署方法： 1、u版yolov5训练好模型就是.pt文件转onnx,然后再转ncnn. 2、u版yolov5训练好模型就是.pt,使用libtorch进行inference. 3、使用opencv接口去做.opencv现在越来越强大. 之前用过ncnn，所以就选择了.pt->onnx->ncnn.老板要的比较急，所以最好的方法就是找开源，快速复现。第一步当然是要配置环境。当前环境是win10操作系统。需要的依赖是o
模型部署详解与ncnn实例
最新发布
无人等人的博客
04-11 899
另外模型训练只是训练出一个模型权重，我们模型部署到生产环境形成产品级别的产物，我们仍需要一些软件上的设计，让模型可以真正应用到具体场景中形成实时推理系统，考虑系统的稳定性，易用性，可用性，拓展性，低延迟响应等方面。这其实就是算法工程化的概念，模型部署通常作为算法工程化的一部分。然而，生产端的性能是比训练平台弱很多的，生产环境如果是云端，性能宽裕，为了快速开发可python推理,一般训练框架都是训练+推理一体的，但是若是边缘端资源往往是不够的，移动端甚至还有功耗等额外限制，因此产生了模型部署的概念。
yolov5模型生成onnx转ncnn---Windows方式（深度学习yolov5-篇三）
x97666的博客
02-09 7787
Windows 环境onnx转换ncnn
NCNN环境部署及yolov5pt转ncnn模型转换推理
小星博博的博客
12-26 2365
直接下载发行版本的完整代码，然后解压，用以下命令编译，自行替换Protobuf的编译路径，其中DNCNN_VULKAN=ON表示不使用Vunlkan加速。yolov5s v6.2训练的pt模型，直接导tourchscript，然后时候ncnn里面的pnnx工具直接转换为ncnn。1.安装vunlkan 1.2.198.1版本，记得配置环境变量。2.安装Protobuf3.20.0版本。该内容还未完整，笔记内容，后期补充。
yolov5转化成onnx的模型和 NCNN模型
08-05
yolov5转化成onnx的模型和 NCNN模型
YOLOv5project中的ncnn资源
01-15
在这个YOLOv5project中，ncnn资源被用于将训练好的YOLOv5模型移植到Android平台，以便在Android设备上实现目标检测功能。 首先，我们需要了解YOLOv5模型的基本架构。YOLO（You Only Look Once）是一种单阶段的目标...
YOLOv8-使用NCNN在安卓平台上部署YOLOv8实现实时目标检测-优质项目-项目实战.zip
10-21
项目中需要将训练好的YOLOv8模型转换为NCNN框架能够识别的格式，这一步骤通常涉及到模型权重的转换和模型结构的映射。 接下来，开发者要解决的核心问题是如何高效地在安卓平台上集成YOLOv8与NCNN。这包括编写安卓...
windows + vscode + ncnn +debug+yolov5-6.0
10-24
ncnn pc端进行debug调试，首先使用visual studio中的 x86 Native Tools Command Prompt for VS 2022 对ncnn 进行编译，编译后在cmakelist中对编译好的动态库进行调用，完成在桌面端对ncnn的debug
YOLOV5模型转NCNN模型文件并测试使用
limengshi138392的博客
06-13 559
YOLOV5模型转NCNN模型文件并测试使用
yolov5 6.0 转换后onnx文件
03-27
yolov5 6.0 .pt文件转换后onnx文件
1、yolov5模型转换NCNN模型部署
roujian0985的博客
12-27 3824
写作原因：最近看了下nihui大佬的ncnn，练习着将yolov5训练的模型转换成ncnn模型并部署，同时借鉴了网上优秀的博文，记录一下，如有不对的地方，请多多指教。 说明：pytorch模型转换成onnx模型，及onnx模型简化和转ncnn模型在引用的文章中都有详细的说明，可移步至引用文章中查看。 先来看下ncnn模型，两个，一个是param一个是bin，需要修改的是param 其实yolov5 v1-v5在训练完后，使用onnx2ncnn.exe将简化后的onnx模型转换成ncnn模型时主要出
yolov5 pt转成nccn_yolov5
funBox的专栏
10-30 702
python版本为Python 3.8.0，需要安装对应的版本包，torch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0。1. 下载yolov5仓库，git clone。4、进入到ncnn目录下执行以下命令。输出name有353和367。2. pt转onnx。
3、yolov5 将pt 模型转换成ncnn模型
热门推荐
roujian0985的博客
03-14 1万+
使用yolov5对训练模型（.pt）进行转换成中间模型
yolov5 转onnx转ncnn
yx868yx的博客
06-03 2736
代码：https://github.com/ultralytics/yolov5（v3.0） 一、yolov5 pt模型转onnx 安装： pip install onnx>=1.7.0 # for ONNX export pip install coremltools==4.0 # for CoreML export pip install onnx-simplifier pytorch->onnx转化 yolov5s.pt 权重文件复制到yolov5-3.0工程下， 在终端运行： py
yolov5转onnx到ncnn
qq_37797583的博客
01-26 757
检测这一套都没啥说的主要在onnx转ncnn这步。
yolov5-5.0转换ncnn在安卓平台的应用
bemy1008的博客
03-17 5392
yolov5-5.0转换ncnn在安卓上应用1、NCNN编译2、pt转onnx3、onnx转ncnn4、安卓端部署5、问题及解决 本文的编译应用环境及用到的编译工具为Win10、pycharm、VS2015、Android Studio. 1、NCNN编译 腾讯官方的介绍：ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端
yolov5 6.0版本-＞onnx-＞ncnn +安卓部署 附加ncnn环境配置 保姆级详细教程
优快云XXXR的博客
06-28 8962
Windows下 yolov5 6.0版本转onnx转ncnn +安卓部署 附加ncnn环境配置 保姆级详细教程，踩了很多坑，基本是手把手将教你完成模型部署
YOLOv5项目中ncnn资源的使用与移植
通过上述步骤，开发者可以将YOLOv5项目成功移植到ncnn资源中，并在Android平台利用ncnn高效地运行YOLOv5模型，实现高效且准确的目标检测。这不仅可以为用户带来流畅的体验，还能为开发者提供广阔的实践场景和应用...
评论 4
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