基于yolov5的模型量化(YOLOv5-Lite 测试)
YOLOv5-Lite 测试过程
1.代码：https://github.com/ppogg/YOLOv5-Lite
2.数据集coco2017（测试不需要）：官网下载比较慢
参考网址：各类图像数据集下载地址 - DataSet Download
需要下载：
2017 Train images [118K/18GB]:http://images.cocodataset.org/zips/train2017.zip
2017 Val images [5K/1GB]:http://images.cocodataset.org/zips/val2017.zip
2017 Test images [41K/6GB]:http://images.cocodataset.org/zips/test2017.zip
2017 Train/Val annotations [241MB]:
http://images.cocodataset.org/annotations/annotations_trainval2017.zip
3.下载模型
模型找了很久，一直在找weight文件夹没找到，在下图所示位置下载模型
v5lite-s.pt:
https://drive.google.com/file/d/1zkKrJsfUx9WVKuFpPQgDemzf2geAHEx-/view
v5lite-c.pt:
https://drive.google.com/file/d/1H-GrrxKV0pN3Y9pH1-BNNO2_dpBjhd2R/view
v5lite-g.pt:
https://drive.google.com/file/d/1y6R1W9NtqvJgVeUp5VMmiFGn3sOFN2C1/view
下载完模型后，在项目中新建weight文件夹，把模型放入
4.配置环境
cd YOLOv5-Lite #放项目的路径下
pip install -r requirements.txt5.测试需要数据，先放一张图片进行测试
将ncnn文件夹下images文件夹复制倒data文件夹下，images文件夹下只有一张图片用来测试
复制命令：
cp dir1/a.doc dir2 表示将dir1下的a.doc文件复制到dir2目录下
cp -r dir1 dir2 表示将dir1及其dir1下所包含的文件复制到dir2下
cp -r dir1/. dir2 表示将dir1下的文件复制到dir2,不包括dir1目录
6.测试
python detect.py --source data/images/ --weights weight/v5lite-s.pt
测试结果会生成一个run文件夹，结果在run/detect/exp
测试结果如下：
