yolov5-4.0转caffe记录

 

前言

一、准备环境

1.1基本环境要求

1.2安装库文件，确保每一个都安装成功

1.3 安装Opencv

1.4 安装anaconda

1.5 安装boost

二、安装yolov5_caffe

2.1.准备环境

2.2.修改Makefile.config

2.3.修改Makefile

2.4安装yolov5_caffe环境命令

三、yolov5-4.0安装训练

四、onnx模型转换caffe模型

---

---

前言

记录一下安装yolov5_caffe环境以及将pytorch模型->onnx模型->caffe模型

首先感谢以下作者：

https://blog.csdn.net/Yong_Qi2015/article/details/114362223

https://blog.csdn.net/tangshopping/article/details/110470050

一、准备环境

1.1基本环境要求

nvidia/cuda:10.0

cudnn:7

ubuntu:16.04

1.2安装库文件，确保每一个都安装成功

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install git
sudo apt-get install libprotobuf-dev libleveldb-dev libopencv-dev libsnappy-dev
sudo apt-get install libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install python-protobuf

1.3 安装Opencv

unzip OpenCV-3.4.5.zip
cd opencv

mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j${proc}
make install

查看是否opencv成功：

pkg-config --modversion opencv，出现版本号即成功

将opencv加入环境变量：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib/

1.4 安装anaconda

tips: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

下载对应的anacoda，我用的是Anaconda3-5.1.0-Linux-x86_64.sh，该版本的python为3.6

./Anaconda3-5.1.0-Linux-x86_64.sh

export PATH=/root/anaconda3/bin/:$PATH
source ~/.bashrc

安装pytorch==1.6.0

pip install torch==1.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

1.5 安装boost

python3.6版本没有libboost_python-py36.so以及libboost_python-py36.a 需要手动生成

wget -O boost_1_55_0.tar.gz http://sourceforge.net/projects/boost/files/boost/1.65.1/boost_1_65_1.tar.gz/download
tar xzvf boost_1_65_1.tar.gz
cd boost_1_65_1
./bootstrap.sh --with-python=/root/anaconda3/bin/python3 --with-python-version=3.6 --with-python-root=/root/anaconda3/lib/python3.6
./b2 --with-python include="/root/anaconda3/include/python3.6m/"
./b2 install

建立软链接

cd /usr/local/lib
sudo ln -s libboost_python-py36.so libboost_python3.so
sudo ln -s libboost_python-py36.a libboost_python3.a

二、安装yolov5_caffe

2.1.准备环境

1.git clone https://github.com/Wulingtian/yolov5_caffe.git

2.cd yolov5_caffe

2.2.修改Makefile.config

1.将CPU_ONLY:=1注释：

# CPU_ONLY := 1

2.将ANACONDA_HOME改为：

ANACONDA_HOME := $(HOME)/anaconda3

3.INCLUDE_DIRS和LIBRARY_DIRS如下：

# Whatever else you find you need goes here.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

2.3.修改Makefile

1.将LIBRARIES += glog gflags protobuf boost_system boost_filesystem m 改为

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

2.在ifeq ($(LINUX), 1)下，修改

1.在  CXX ?= /usr/bin/g++下面，添加CXXFLAGS += -std=c++11

2.#LIBRARIES += boost_thread stdc++
    LIBRARIES += boost_thread stdc++ boost_regex  （修改后）

2.4安装yolov5_caffe环境命令

1.在命令行输入以下语句

export CPLUS_INCLUDE_PATH=/root/anaconda3/include/python3.6m
make all -j16 make pycaffe -j8

2.进行yolov5_caffe环境编译

make all -j16

make pycaffe -j8

3.yolov5_caffe运行

caffe模型推理
定位到yolov5_caffe目录下

cd tools

vim caffe_yolov5s.cpp

设置如下参数：

INPUT_W（模型输入宽度）

INPUT_H（模型输入高度）

NUM_CLASS（模型有多少个类别，例如我训练的模型是安全帽检测，只有1类，所以设置为1，不需要加背景类）

NMS_THRESH（做非极大值抑制的阈值）

CONF_THRESH（类别置信度）

prototxt_path（caffe模型的prototxt路径）

caffemodel_path（caffe模型的caffemodel路径）

pic_path（预测图片的路径）

定位到yolov5_caffe目录下

make -j8

cd build

./tools/caffe_yolov5s 输出平均推理时间

三、yolov5-4.0安装训练

1.下载yolov5-4.0

https://github.com/ultralytics/yolov5/releases/tag/v4.0

tips: 不需要安装wandb，有小伙伴安装了wandb会出现小问题

2.yolov5-4.0数据集与之前版本有一点区别

train: /home/xxx/yolov5-4.0/trainingData/images/train/ 
val: /home/xxx/yolov5-4.0/trainingData/images/val/  

具体如下图，放置数据：

3.可以将focus层修改,方便后续转caffe：

#[[-1, 1, Focus, [64, 3,2]],  # 0-P1/2
  [[-1, 1, Conv, [64, 3,2]],  # 0-P1/2

4.将pytorch模型转onnx模型:

pip安装onnx和onnx-simplifier

pip install onnx

pip install onnx-simplifier

cd yolov5

python models/export.py 

python -m onnxsim best.onnx yolov5s-simple.onnx 

四、onnx模型转换caffe模型

git clone https://github.com/Wulingtian/yolov5_onnx2caffe.git

cd yolov5_onnx2caffe

vim convertCaffe.py

设置onnx_path（上面转换得到的onnx模型），prototxt_path（caffe的prototxt保存路径），caffemodel_path（caffe的caffemodel保存路径）

python convertCaffe.py 得到转换好的caffe模

总结:自己在进行yolov5转caffe时，踩的坑，记录一下。