一、模型格式转换
目标:yolov5_coco.onnx ---> yolov5_coco_rv1126.rknn
yolov5 onnx模型 转为 rknn模型-CSDN博客
步骤:
1、加载docker镜像,rknn-toolkit-1.7.3-docker.tar.gz
2、运行镜像,生成新容器
3、准备一些图片,生成图片路径的文本文件 【gen_list.py】
4、模型转换,内存够大 【rknn_convert.py】
二、 模型预编译
原因:rknn 模型直接运行很慢,需要预编译
目标:yolov5_coco_rv1126.rknn ---> yolov5_coco_rv1126_pre.rknn
所用 docker 环境:
1、上一步的 docker 环境
2、以及EASY EAI Nano主板的环境:开发板与Ubuntu 必须保证 abd 连接稳定,关掉 Ubuntu 环境的 adb 服务,避免与 docker 环境的竞争
三、C++推理代码交叉编译
yolov5_detet_demo C++ 代码 ---> yolov5_detect_demo 可执行文件
1、环境准备:
develop_enviroment 【docker image】
板卡上的依赖库 【编译过程保持板卡与笔记本的adb连接】
2、在 docker 容器中进行对 yolov5 demo C++推理代码进行编译
3、将编译结果复制到板卡上
四、在 rv1126板卡 上执行 yolov5 demo 可执行文件
1、复制前面预编译好的rknn模型
2、准备测试图片3、执行 yolov5 demo 可执行文件