yolov8目标检测训练在rk3588上部署

安装cuda11.8

_安装_Anaconda

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

创建一个python3.10虚拟环境，建议python的版本尽量选择高

激活环境，并设置pip下载源

复制代码

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/

安装pytorch，优先尝试符合cuda=11.8的pytorch的高版本

复制代码

pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu118

然后安装ultralytics

复制代码

pip install ultralytics

安装onnx onnxruntime库

复制代码

pip install onnx onnxruntime

下面是此时的安装包列表

到瑞芯微官网下载 yolov8工程

https://github.com/airockchip/ultralytics_yolov8，下载后解压

在激活env310虚拟环境情况下，切到解压的目录里

执行一下命令

复制代码

 pip  install -e  .

上面命令执行成功后，安装包列表如下:

上面的这一步安装 -e .的操作必须的做，否则下面的转换不认识rknn是啥

开始导出onnx,注意下面箭头指向的地方 format一定要设置成rknn，这样导出的onnx会有9个输出，如果format设置成onnx，则onnx默认只会有一个输出

下面是代码：

训练代码

复制代码

from ultralytics import YOLO

if __name__ == '__main__':
    # 载入预训练模型
    model = YOLO("C:/Users/TR/Desktop/ultralytics-main2/yolov8s.pt")  #建议直接用绝对地址
    train_results = model.train(
        data="C:/Users/TR/Desktop/ultralytics-main2/coco128.yaml",  #建议用绝对路径， yaml文件指定数据集配置文件
        epochs=100,  # 训练轮数
        imgsz=640,  # 训练时转换后的图片大小
        device=0,  #  'cpu'和 0 可选 ，其中0表示gpu
    )

验证代码

复制代码

from ultralytics import YOLO

if __name__ == '__main__':

# # 用训练后的模型
    model = YOLO("C:/Users/TR/Desktop/ultralytics-main2/runs/detect/train8/weights/best.pt")  #建议绝对路径
    # # #推理
    results = model("C:/Users/TR/Desktop/targetRe/img2/dataset09_03_00004395.jpg")  
    #查看结果
    results[0].show()

导出onnx代码

复制代码

from ultralytics import YOLO

if __name__ == '__main__':

# # 用训练后的模型
    model = YOLO("C:/Users/TR/Desktop/ultralytics-main2/runs/detect/train8/weights/best.pt")  #建议绝对路径
# # 导出ONNX模型
    path = model.export(
        format="rknn" 
    )

下面开始将onnx转rknn，这一步既可以在虚拟机上做，也可以直接在rk3588板子上做

这里我直接讲在板子做onnx转rk3588

直接在板子上装一个rknntoolkit2，注意不是lite2，别选错

最新的toolkit2版本支持在板子上直接安装，早期版本不支持

板子上装conda ,然后建立一个python=3.11的conda环境

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

然后直接安装toolkit2的whl包

rknn-toolkit2/rknn-toolkit2/packages/arm64 at master · airockchip/rknn-toolkit2 · GitHub

下载下面两个文件

arm64_requirements_cp311.txt

rknn_toolkit2-2.3.2-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

然后先安装txt文件，然后安装whl文件