YOLOv8移植到海思SD3403板子教程（一）

原创

已于 2024-05-14 16:29:22 修改 · 1.8k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #python #开发语言

于 2024-05-12 18:41:19 首次发布

本文介绍了如何将YOLOv8模型移植到海思SD3403板子上，包括模型训练、转换和部署的详细步骤。首先，对YOLOv8模型进行训练，然后通过修改源码将PyTorch模型转换为ONNX和Caffe模型。接着，编译Caffe并使用转换脚本生成CAFFE模型和prototxt文件。最后，探讨了SD3403板子上的模型转换流程。若在过程中遇到问题，作者提供了帮助。

在海思SD3403板子上跑通YOLOv5后，尝试将YOLOv8部署到3403上，目前全流程已跑通，算法模型可以在板端的NNN和SVP_NNN核上稳定运行。

首先话不多说进入YOLOv8模型训练部分，不要使用pip install ultralytics安装库，而是下载源码，对源码中训练部分进行修改。这里就不挂链接了，YOLOv8原版模型是无法直接部署到板子上的（至少在我的pipeline里无法直接部署），原因是训练好的pytorch模型需要转换成onnx模型再转换为caffemodel，caffe目前不支持Upsample层和sub层。

训练YOLOv8模型需要对模型定义文件（ultralytics/cfg/models/v8/yolov8.yaml）中head部分进行改造。

# YOLOv8.0n head
head:
  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [[-1, 6], 1, Concat, [1]] # cat backbone P4
  - [-1, 3, C2f, [512]] # 12

  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [[-1, 4], 1, Concat, [1]] # cat backbone P3
  - [-1, 3, C2f, [256]] # 15 (P3/8-small)

  - [-1, 1, Conv, [256, 3, 2]]
  - [[-1, 12], 1, Concat, [1]] # cat head P4
  - [-1, 3, C2f, [512]] # 18 (P4/16-medium)

  - [-1, 1, Conv, [512, 3, 2]]
  - [[-1, 9], 1, Concat, [1]] # cat head P5
  - [-1, 3, C2f, [1024]] # 21 (P5/32-large)

  - [[15, 18, 21], 1, Detect, [nc]] #

最低0.47元/天解锁文章