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
A7bert77715 小时前
【YOLOv8pose部署至RDK X5】模型训练→转换bin→Sunrise 5部署
c++·python·深度学习·yolo·目标检测
Studying 开龙wu16 小时前
深度学习PyTorch 实战九:YOLOv1目标检测从标注-训练-预测
pytorch·深度学习·yolo
探物 AI21 小时前
[特殊字符] 被滥用的注意力机制:为什么 YOLOv11 改进,盲目塞满 Attention 反而成了“掉速刺客”?
yolo
山居秋暝LS21 小时前
安装yolo26【无标题】
yolo·计算机视觉
极智视界2 天前
分类数据集 - 蘑菇分类数据集下载
人工智能·yolo·数据集·图像分类·算法训练·蘑菇分类
音沐mu.2 天前
【70】室内物品数据集(有v5/v8模型)/YOLO室内物品检测
yolo·目标检测·数据集·室内物品数据集·室内物品检测
2zcode2 天前
基于深度学习的高速公路违章停车检测系统的设计与实现
yolo·高速公路违章停车
时间之里2 天前
【深度学习】:RF-DETR与yolo对比
人工智能·深度学习·yolo
极智视界3 天前
分类数据集 - 自然灾害场景飓风野火洪水地震分类数据集下载
人工智能·yolo·数据集·图像分类·算法训练·自然灾害检测
Uopiasd1234oo3 天前
位置感知注意力与跨阶段部分网络改进YOLOv26特征提取与全局建模能力双重提升
网络·yolo·目标跟踪