怎样将YOLOv5部署到移动端 报错：name ‘SPPF‘ is not defined

问题描述：
ultralytics发布的yolov5 6.0版本中已经加入了export.py文件可以将训练好的模型.pt转换为.tflite格式的轻量化模型部署在Android端，但是注意6.0版本当前代码只能转换5.0版本的。
我在使用6.0版本的export.py代码时报错 name ‘SPPF’ is not defined，找了半天报错的位置才发现，6.0版本模型文件中model/commen.py文件夹中多了一个SPPF模块来代替5.0版本中的SPP模块，当然旧的SPP模块依旧还在，而在将模型转换为tensorflow模型时，export.py(还没随之更新)只能识别SPP模块，而不能识别SPPF模块导致的。
解释：下面这行代码就是export.py调用的，他并没有考虑SPPF这个模块。

解决方法：
将5.0版本的模型配置文件yolov5s.yaml移到6.0版本中的model文件夹下，训练一版模型后，然后实际上利用6.0版本的export.py来生成5.0版本的模型对应的.tflite文件。
接下来就参照这些部署就好了：

2. Convert and verify

• Convert weights to fp16 TFLite model, and verify it with

python export.py --weights yolov5s.pt --include tflite --img 320
python detect.py --weights yolov5s-fp16.tflite --img 320

or

• Convert weights to int8 TFLite model, and verify it with

python export.py --weights yolov5s.pt --include tflite --int8 --img 320 --data data/coco128.yaml
python detect.py --weights yolov5s-int8.tflite --img 320

Note that:

• int8 quantization needs dataset images to calibrate weights and activations, and the default COCO128 dataset is downloaded automatically.
• Change --img to the input resolution of your model, if it isn’t 320.

3. Clone this repo (tf-android branch) for Android app

git clone https://github.com/zldrobit/yolov5.git yolov5-android

4. Put TFLite models in assets folder of Android project, and change

• inputSize to --img
• output_width according to new/old inputSize ratio
• anchors to m.anchor_grid as https://github.com/ultralytics/yolov5/pull/1127#issuecomment-714651073
  in android/app/src/main/java/org/tensorflow/lite/examples/detection/tflite/DetectorFactory.java
• labelFilename according to the classes of the model
  in https://github.com/zldrobit/yolov5/blob/522d65e848d3e5a378eb0f29a9fbb204221400e8/android/app/src/main/java/org/tensorflow/lite/examples/detection/tflite/DetectorFactory.java#L19-L48.

Then run the program in Android Studio.

参照博客：

大佬示范链接