pytorch，yolov5模型经onnx到Android（三）

上一篇文章介绍了使用ncnn将onnx转成Android可以配置的param和bin，其实是有问题的。我后面使用了很多次，都无法将其配置进去Android。经过对比best.param的对比。我发现最新u版的yolov5（我在二里面使用的是yolov5-v6版本）里面很多东西更改了。作为菜鸟，我查了很多资料也没有看到解决的方法。有知道的同志可以给我普及下.最后没办法，只能继续检查腾讯ncnn的例子和相关资料，终于了解到他们当前的例子是在yolov5-v3版本上面搞的，于是我只好重新再来一次。还好，这次成功了。记录下过程。

1，配置还是之前的，在win10上完成的

2，下载u版yolov5-v3，给个地址吧。方便和我一样的菜鸟不用更多查询：

这个是yolov5-v3的主页

https://github.com/ultralytics/yolov5/releases/tag/v3.0

这个是yolov5-v3的文件下载

https://codeload.github.com/ultralytics/yolov5/zip/refs/tags/v3.0https://codeload.github.com/ultralytics/yolov5/zip/refs/tags/v3.03，参照下面的进行数据训练，并且对应解决相关的错误和异常。

yolov5训练自己的数据集_xiaoyifeishuang1的博客-CSDN博客一直兜兜转转，看yolov5看了好长一段时间。感觉迷迷糊糊的一直摸不着边际，直到今天终于可以又进一步。现在是使用yolov5里面训练自己的数据（只说我当前的操作，不说原理，因为我现在也不会）????使用环境：Win10(GPU) + Anacoda3+ pychram下载包：GitHub - ultralytics/yolov5: YOLOv5 ???? in PyTorch > ONNX > CoreML > TFLite​​​​​​直接到这个下面将整个包下载下来。https://blog.csdn.net/xiaoyifeishuang1/article/details/121266541最后得到

4，得到pt模型之后，对其进行处理

修改export.py的参数，将里面默认的yolov5s.pt换成我们上面生成的best.pt。这个需要注意路径。

然后运行export.py，得到onnx模型。

对onnx模型进行简化，我的简化程序代码为（注意你自己的路径）:

python -m onnxsim best.onnx best-sim.onnx

之后我得到如图：

 

4，使用里面的onnx转成Android所需的param和bin

pytorch，yolov5模型经onnx到Android（二）_xiaoyifeishuang1的博客-CSDN博客以下为win10+protobuf+ncnn,主要从GitHub腾讯里面获取相关的步骤：https://github.com/Tencent/ncnn文章内容如下：作为菜鸡，我还是将其全部列出来吧。方便后面再搞的时候，能快速上手。高手请略过。。。1，安装vs2017社区版，这个不说。除了安装路径外，其他都可以选择下一个,安装路径如果C盘够，也可以直接默认。下载可去 i tell you2，Start → Programs → Visual Studio 2017 → Vis.https://blog.csdn.net/xiaoyifeishuang1/article/details/121429475?spm=1001.2014.3001.5501我是将best-sim.onnx放到和onnx2ncnn.exe同一个路径，然后运行指令：

D:\ncnn-master\build-vs2017\tools>onnx2ncnn.exe best-sim.onnx best.param best.bin

 

得到如图所示：

 再按照查找到的资料修改分片框

 得到修改后的best.param

 

 194-4=192

最后使用ncnnoptimize对修改的模型进行简化，顺便转为fp16存储减小模型体积。我将修改后的param和bin文件复制到ncnnoptimize可执行文件所在的文件夹里面。

D:\ncnn-master\build-vs2017\tools>ncnnoptimize.exe best.param best.bin best-opt.param best-opt.bin 65536

 得到了best-opt.param和best-opt.bin；

打开best-opt.param

将best-opt.param里面的6400,1600,400全部更改成-1；

至此，可以将相对应的best-opt.param和best-opt.bin复制到Android 里面了。按照之前demo复制到assets文件夹里面。然后修改yolov5ncnn_jni.cpp。第一个是种类，第二个是输出。

 

对应添加即可。

下图是使用300张猫的图片训练好的权重，识别不太行。但是现在主要是过程吧。终于是自己训练的数据了。过程痛苦啊！！！

 

我这参考了很多lihui大神的文章，下面是个链接

详细记录u版YOLOv5目标检测ncnn实现 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/275989233?utm_source=qq想知道原理或者其他的可以去看