yolov5v7.0转ncnn时遇到很多问题，ncnn版本20231027以下仅做记录：1.通过官方代码，export.py转onnx，指定–dynamic--simplify参数2.编译并安装ncnn，通过onnx2ncnn

上一篇写道：onnx2ncnn的时候，不支持sigmoid，upsample层，于是想着阅读onnx2ncnn的源码。

说明:上一篇已经说了，编译onnx2ncnn有两种方式。两种方式都会生成onnx2ncnn.exe。如果只是要使用直接用这个exe就行了。

要使用ncnn部署YOLOv5需要将模型进行转换，大概步骤是pt2onnx,onnx2ncnn。因为只有yolovs-v3.1版本正常测试通过了，固仅针对此进行记录。高版本的yolov5初试未成功，

onnx2ncnn并在pc端调用ncnn模型1、编译安装ncnn首先应该在电脑上编译安装ncnn，配置安装过程可以参考笔者的这篇博文Linux下编译安装NCNN2、确保已经转换好onnx模型pytorch

ubuntu18的docker环境下部署）ncnn源码，下载地址opencvprotobufopencv和protobuf必须安装否则在编译ncnn的时候，由于检测不到protobuf和opencv，onnx2ncnn

官网提供的yolov5代码中已经能实现pt转onnx,但为了在android端使用需要将onnx转ncnn,由于yolov5的部分网络层并没有在ncnn代码库中封装，直接使用ncnn中的onnx2ncnn

我们知道现在的深度学习训练框架（如tensorflow、caffe、pytorch、MXNet等等）都有自己的模型存储格式，那他们之间的转换就是一个常见的需求了，但是如果每个框架都要写转换到其他所有框架的代码，那就麻烦了，如果出现一种新框架，每种框架都要再写一种转换。所以最好的方式应该就是每个框架都有向一种统一的框架转换的代码，等需要转换的时候，只需要先转换成这种统一的模型格式，再由这种格式转到你