建一个团购网站,建设中医知识学习网站,网站支付体现功能怎么做,二手车网站开发为了把yolov5在rk3588上跑起来#xff0c;在网上搜罗了一圈,踩了一些坑。由于瑞芯微的文档有升级#xff0c;导致和网络的文章有出入#xff0c;所以做个记录。
rknn-toolkit 转换文档#xff1a;
瑞芯微的转换文档在 rknn-toolkit/example/pytorch/yolov5/REAME.md 里
…为了把yolov5在rk3588上跑起来在网上搜罗了一圈,踩了一些坑。由于瑞芯微的文档有升级导致和网络的文章有出入所以做个记录。
rknn-toolkit 转换文档
瑞芯微的转换文档在 rknn-toolkit/example/pytorch/yolov5/REAME.md 里
当版本升级到 1.7.5的时候文档被删除说是要根据airockchip/rknn_model_zoo (github.com) 里的指令来完成。但是model_zoo里的文档也是没有说太清楚。
把rknn-toolkit版本退回到在 1.7.3 版本中还是有的。下面就是按照1.7.3的说明来操作。
yolov-v50 的环境
官方文档指定使用yolov5 v5.0因此需要获取特定的版本。
需要安装 pytorch 1.10.0 以下版本否则会报错
AttributeError: ‘Upsample’ object has no attribute ‘recompute_scale_factor’
但是在python 3.10 版本下没有 pytorch 1.9.1 了所以要装python 3.8的环境
conda create -n YOLOV5-V50 python3.8
然后把requirement.txt 中的torch 改成 torch1.10.0
pip3 install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simpleSimple Indexhttps://pypi.tuna.tsinghua.edu.cn/simple
权重文件
在执行 python detect.py 默认下载的是最新版本的权重文件我们需要v5.0的权重文件所以需要手动下载
wget https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt
检测:
默认使用coco数据集yolov5s.pt
python detect.py
修改模型导出
重点是RKNN把最终的sigmoid从模型内部给拿到外部把sigmoid交给cpu去计算了。具体的参见 rknn-toolkit/example/pytorch/yolov5/REAME.md
3. 直接使用pt模型转为rknn模型时需要修改 yolov5/models/yolo.py文件的后处理部分将class Detect(nn.Module) 类的子函数forward修改为
def forward(self, x): z [] # inference output for i in range(self.nl): x[i] self.m[i](x[i]) # conv return x
导出
python export.py --weights yolov5s.pt --img 640 --batch 1 --include onnx
测试和转换
测试
测试的时候生成的rknn文件是用于3566的不知道怎么给弄成3588的所以测试只能测试
然后把这个.onnx 文件放到
rknn-toolkit2/examples/onnx/yolov5/
修改 test.py转换为rknn模型并查看 result.jpg是不是正确
转换为3588的
转换的脚本不在rknn-toolkit2下而在 rknpu2/examples/rknn_yolov5_demo/convert_rknn_demo/yolov5 下修改
platform rk3588 和 model path,然后运行脚本可以得到rknn
用这个rknn替换掉板子上的文件可以运行识别率似乎下降了一点发现推理时间从20多ms变为30ms左右。
在测试的时候发现官方提供的onnx是81层而我们转化出来的是96层可能延时时间长跟这个有关系。
