Yolov8在RK3588上进行自定义目标检测(三)

参考

best.onnx转yolov8.rknn

onnx转rknn需要用到rknn-toolkit2，这个工具暂时不支持windows，所以我们移步linux，我用的是虚拟机创建的ubuntu20.4的系统，建议使用conda管理环境，使用conda安装了python3.8。

rknn-toolkit2项目地址：https://github.com/airockchip/rknn-toolkit2/tree/master

下载 RKNN 相关仓库

复制代码

# 下载 RKNN-Toolkit2 仓库  参数 --depth 1 表示只克隆最近一次 commit  
git clone https://github.com/airockchip/rknn-toolkit2.git --depth 1

整体目录结构

安装 RKNN-Toolkit2 环境

安装 Python

如果系统中没有安装 Python 3.8（建议版本），或者同时有多个版本的 Python 环境，建议使用 Conda 创建新的 Python 3.8 环境。

安装 Conda

在计算机的终端窗口中执行以下命令，检查是否安装 Conda，若已安装则可省略此节步骤。

复制代码

conda -V 
# 参考输出信息：conda 23.9.0 ，表示 conda 版本为 23.9.0 
# 如果提示 conda: command not found，则表示未安装 conda

如果没有安装 Conda，可以通过下面的链接下载 Conda 安装包：

复制代码

wget -c https://mirrors.bfsu.edu.cn/anaconda/miniconda/Miniconda3
latest-Linux-x86_64.sh

然后通过以下命令安装 Conda：

复制代码

chmod 777 Miniconda3-latest-Linux-x86_64.sh 
bash Miniconda3-latest-Linux-x86_64.sh

使用 Conda 创建 Python 环境

在计算机的终端窗口中，执行以下命令进入 Conda base 环境：

复制代码

source ~/miniconda3/bin/activate # miniconda3 安装的目录 
# 成功后，命令行提示符会变成以下形式：  
# (base) xxx@xxx:~$

通过以下命令创建名称为 toolkit2 的 Python 3.8 环境：

复制代码

conda create -n toolkit2 python=3.8

激活 toolkit2 环境，后续将在此环境中安装 RKNN-Toolkit2：

复制代码

conda activate toolkit2 
# 成功后，命令行提示符会变成以下形式： 
# (toolkit2) xxx@xxx:~$

安装依赖：

复制代码

pip install -r requirements_cp38-2.0.0b0.txt

安装rknn_toolkit2：

复制代码

pip install rknn_toolkit2-2.0.0b0+9bab5682-cp38-cp38-linux_x86_64.whl

验证是否安装成功：

在终端输入以下内容不报错代表成功。

复制代码

python
from rknn.api import RKNN

在Linux环境下安装rknn-toolkit2的python环境用于转换rknn格式文件。

在https://github.com/airockchip/rknn_model_zoo/tree/main/examples/yolov8/python下，运行修改后的convert.py脚本，利用之前得到的onnx文件转换得到rknn文件。

复制代码

#需要修改convert.py的 DATASET_PATH和DEFAULT_RKNN_PATH
DATASET_PATH = '/home/wyx/Projects/rknn_model_zoo/examples/yolov8/model/dataset.txt'
#DEFAULT_RKNN_PATH：生成的rknn模型路径
DEFAULT_RKNN_PATH = '../model/yolov8.rknn'

修改配置文件（可选）

将训练生成的best.onnx文件的格式转换成yolova8.rknn形式。

复制代码

python convert.py /home/wyx/Projects/best.onnx rk3588

转换结果图

在/home/wyx/Projects/rknn_model_zoo/examples/yolov8/model/下生成yolov8.rknn。

参考链接：

YOLOv8部署在RK3588上_rk3588 yolov8部署-CSDN博客

yolov8目标检测部署瑞芯微rk3588记录_yolov8 rknn-CSDN博客

YOLOv8目标检测在RK3588部署全过程_yolov8 rk3588-CSDN博客