上一篇用MindStudio转换完yolov8的om模型，准备在板卡里进行推理验证了。我这里用的是我们自己的Tofu5m模块，40mm×40mm含外壳尺寸。可以输入网络RTSP视频流直接进行推理。这次用hi3516dv500版本的Tofu5m模块。SDK里的demo部分是H.264视频输入，为了保持一致来验证，先改成H.264的视频流文件。这里采用FFMPEG方式把本地文件转成H.264流出来。f

配置好环境的虚拟机可出售，需要可私信联系。SD3403/SS928/926SDK环境虚拟机160G移动硬盘，可直接拷贝到本地VMware直接打开SD3403/SS928/926模型转换虚拟机160G移动硬盘，可直接拷贝到本地VMware直接打开Hi3516dv500/Hi3519DV500SDK环境虚拟机160G移动硬盘，可直接拷贝到本地VMware直接打开Hi3516dv500/Hi3519DV

上一篇中讲到，如何做yolov8模型的onnx转换，这一篇讲讲如何把onnx模型转成om模型。这里有配置好环境的虚拟机，减少环境配置的麻烦，需要付费获取的可私信联系。SD3403/SS928/926SDK环境虚拟机160G移动硬盘，可直接拷贝到本地VMware直接打开SD3403/SS928/926模型转换虚拟机160G移动硬盘，可直接拷贝到本地VMware直接打开Hi3516dv500/Hi35

配置好环境的虚拟机可出售，需要可私信联系。SD3403/SS928/926SDK环境虚拟机160G移动硬盘，可直接拷贝到本地VMware直接打开SD3403/SS928/926模型转换虚拟机160G移动硬盘，可直接拷贝到本地VMware直接打开Hi3516dv500/Hi3519DV500SDK环境虚拟机160G移动硬盘，可直接拷贝到本地VMware直接打开Hi3516dv500/Hi3519DV

上一节yolov8的训练已经完成了，现在要开始做模型的转换了，这里和yolov7方式相似，但是有一些差异，尤其是yolov7的不带NMS部分的输出顺序和yolov8的输出顺序与格式是有差异的。首先还是要自己手动加入rpn_op,这里包含了filter,sort,nms部分。我们一个一个看，首先filter.py里要先增加个Filter的自定义层。op_source="""#includetorch

上一篇用MindStudio转换完om模型，就可以在板卡里进行推理验证了。SDK里有相关推理的demo，只要om模型转换没有遇到问题，是可以做推理验证。首先SDK里推理验证方式有两种，一个是用H264实时视频流的方式，还有一种是通过图片的方式。H264方式需要准备好FFMPEG，通过本地视频转换成H264视频流推给板卡。用下面指令就可以。ffmpeg的安装使用就不在这里介绍了。ffmpeg-ite

来源：易百纳技术社区链接：原文链接在当今日益发展的智能科技领域中，海思（Hisilicon）旗下的Hi3519DV500芯片凭借其卓越的性能和功能，成为了许多图像处理应用的首选。

刷机前inid.rc#!/bin/sh/bin/mount-aforinitscriptin/etc/init.d/S[0-9][0-9]*doif[-x$initscript];thenecho"[RCS]:$initscript"$initscriptfidoneexportLD_LIBRARY_PATH=/mnt/hi3519/rtsp_demo/rtsp/lib./home/usb_net

为了满足高效、精确、稳定的视频处理需求，海思推出了两款创新型芯片Hi3516DV500和Hi3519DV500，这两款芯片引领着智能视频处理技术的革新。

产品简介IVP09A是英码科技推出的边缘计算智能工作站，搭载双核Cortex-A55架构AI处理器；内置高效的神经网络推理引擎，提供2.5Tops@NPU算力;支持多路视频图像识别硬件加速。IVP09A，高效能低成本、稳定易开发、多点布线、联网管控；可满足在边缘侧部署轻量化智能视频分析的应用需求;是经济型智能工作站产品的新一代升级解决方案，广泛应用在智慧安防、智慧园区、智慧城管等智慧城市场景。产品

Hi3519DV500内置双核A55，提供高效、丰富和灵活的CPU资源，以满足客户计算和控制需求。