YOLOV5/rknn生成可执行文件部署在RK3568上

接上一篇文章best-sim.rknn模型生成好后,我们要将其转换成可执行文件运行在RK3568上,这一步需要在rknpu上进行,在强调一遍!!rknpu的作用是可以直接生成在开发板上运行的程序

退出上一步的docker环境

cs 复制代码
exit

1.复制best-sim.rknn

复制到这个下面将其重命名为yolov5s-640-640.rknn

~/rknpu2-1.4.0/examples/rknn_yolov5_demo/model/RK356X/yolov5s-640-640.rknn

cs 复制代码
cp ~/rknn/rknn-toolkit2-1.4.0/examples/onnx/yolov5/best-sim.rknn  ~/rknpu2-1.4.0/examples/rknn_yolov5_demo/model/RK356X/yolov5s-640-640.rknn

2.安装编译器

cs 复制代码
sudo apt-get install gcc g++ cmake

3.安装交叉编译链

交叉编译64位ARM架构的程序。

cs 复制代码
sudo apt install gcc-aarch64-linux-gnu g++-aarch64-linux-gnu

4.修改 postprocess.h文件

进入到该目录下

cs 复制代码
cd rknpu2-1.4.0/examples/rknn_yolov5_demo/include
ls

修改为自己识别的CLASS_NUM,我识别种类只有一个就是车,和data.yaml中的类别数相同,因此为1

5.拷贝测试图片02.jpg

首先进入该目录

cs 复制代码
cd ~/rknpu2-1.4.0/examples/rknn_yolov5_demo/model/

拷贝图片

cs 复制代码
sudo cp ~/rknn/rknn-toolkit2-1.4.0/examples/onnx/yolov5/02.jpg 02.jpg

对 coco_80_labels_list.txt进行备份

cs 复制代码
  cp coco_80_labels_list.txt  coco_80_labels_list_.txt

6.修改 coco_80_labels_list.txt文件

打开该文件并将里面的内容修改为自己的类别,我的是car

cs 复制代码
vim vim  coco_80_labels_list.txt

7.运行 ./build-linux_RK356X.sh

进入该目录下

cs 复制代码
cd ~/rknpu2-1.4.0/examples/rknn_yolov5_demo

运行后出现上述错误,该错误表示上传的照片没有用户权限运行以下命令

cs 复制代码
cd model
sudo chmod 777 02.jpg
cd ..
./build-linux_RK356X.sh

运行成功后

最后生成的文件存放在Install文件夹中,这个文件夹是需要我们往开发板上复制的文件夹。

8.生成install压缩文件

cs 复制代码
 zip -r install.zip install/

上传install.zp

cs 复制代码
sz install.zip
相关推荐
贤小二AI16 小时前
贤小二c#版Yolov5 yolov8 yolov10 yolov11自动标注工具 + 免python环境 GPU一键训练包
人工智能·深度学习·yolo
zy_destiny1 天前
【工业场景】用YOLOv12实现饮料类别识别
人工智能·python·深度学习·yolo·机器学习·计算机视觉·目标跟踪
卧式纯绿1 天前
每日文献(八)——Part one
人工智能·yolo·目标检测·计算机视觉·目标跟踪·cnn
HABuo2 天前
【YOLOv8】YOLOv8改进系列(12)----替换主干网络之StarNet
人工智能·深度学习·yolo·目标检测·计算机视觉
AdaCoding2 天前
YOLOv8架构详解
yolo·网络结构图
云卷云舒___________2 天前
【Ultralytics YOLO COCO 评估脚本 | 获得COCO评价指标】
yolo·coco·ultralytics
plmm烟酒僧3 天前
在 RK3588 多线程推理 YOLO 时,同时开启硬件解码和 RGA 加速的性能分析
yolo·rkmpp·瑞芯微·硬件加速·rga·色彩空间转换
HABuo3 天前
【YOLOv8】YOLOv8改进系列(11)----替换主干网络之MobileNetV4
人工智能·深度学习·yolo·目标检测·计算机视觉
Kai HVZ4 天前
《深度学习》——yolov4详解
人工智能·深度学习·yolo