yolov5移动端部署(pytorch转ncnn)——待更新

一、 模型转换

best.pt 转onnx
onnx 转ncnn

一、pytorch -> onnx

1、 打开yolov5/models/export.py,修改路径
yolov5移动端部署(pytorch转ncnn)——待更新_第1张图片

#模型转换
!python models/export.py --weights best.pt --img 640
#简化模型
!pip install onnx-simplifier
!python -m onnxsim best.onnx last.onnx

二、onnx 转ncnn

1.安装依赖

sudo apt-get install protobuf-compiler libprotoc-dev 

2.编译ncnn




```python
%cd /content
!git clone https://github.com/Tencent/ncnn.git
%cd /content/ncnn
!mkdir -p build
%cd /content/ncnn/build
!cmake -DNCNN_VULKAN=OFF ..  #vulkan是针对gpu的,如果想要ncnn能调用gpu做推理,那么选项需要打开,设置为ON。
!make -j4  #开始编译

3.模型转换

%cd /content/ncnn/build/tools/onnx/
!./onnx2ncnn last.onnx last.param last.bin

二、 模型修改

1.去掉不支持的网络层

删除10层 添加一层 减少了9层
添加的一层的输出可以根据下一层的输入填写,图中已标红
打开 last.params

修改前
yolov5移动端部署(pytorch转ncnn)——待更新_第2张图片
修改后:
在这里插入图片描述

2.修改网络的输出shape

如果不修改,会看到一堆boundbox,头都大了,踩坑踩到哎
输出全部改为-1
修改前:
yolov5移动端部署(pytorch转ncnn)——待更新_第3张图片
yolov5移动端部署(pytorch转ncnn)——待更新_第4张图片

代码中修改结构

https://netron.app/ 模型可视化找到输出
cpp代码中修改:anchors class_names
运行搞定

你可能感兴趣的:(深度学习,tensorflow,pytorch,android)