您的位置:首页 > 汽车 > 新车 > 个人网站如何备案_西安工程信息交易中心_网站设计费用明细_关键词英文

个人网站如何备案_西安工程信息交易中心_网站设计费用明细_关键词英文

2024/12/26 19:46:43 来源:https://blog.csdn.net/changzengli/article/details/143386265  浏览:    关键词:个人网站如何备案_西安工程信息交易中心_网站设计费用明细_关键词英文
个人网站如何备案_西安工程信息交易中心_网站设计费用明细_关键词英文

本教程重点不在如何训练模型,重点是全流程链路,想学训练的可以网上找教程

环境

  • python 3.10.x
  • rknn-toolkit2-2.2.0
  • ultralytics_yolov8
  • rknn 驱动版本2.2

模型训练

  • yolov8仓库地址:https://github.com/airockchip/ultralytics_yolov8.git
  • 下载项目到本地后,按照yolov8流程正常训练即可,里面有导出onnx的代码,运行一下就会生成onnx模型
  • 只能用这个仓库进行训练,不能用yolov8官方仓库代码训练,因为需要兼容rknn npu算子,改了网络结构
# 安装项目
pip install -e .
# 修改配置文件,model字段改为训练好的模型路径
ultralytics/cfg/default.yamlmodel: runs/detect/train/weights/best.pt
# 模型导出onnx文件
python ultralytics/engine/exporter.py

服务器上安装(onnx转rknn)

  • 下载rknn-toolkit2
wget https://github.com/airockchip/rknn-toolkit2/archive/refs/tags/v2.2.0.zip
git clone https://gitee.com/agricultureiot/rknn-yolov8.git
  • 解压
unzip v2.2.0.zip

在这里插入图片描述

  • 安装(根据python版本)
pip install -r requirements_cp310-2.2.0.txt -i https://pypi.tuna.tsinghua.edu.cn/simplepip install rknn_toolkit2-2.2.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl

下载示例项目

git clone https://github.com/airockchip/rknn_model_zoo.git

准备校准集

  • 目的量化时矫正和测试模型
  • 从训练数据集中随机挑选20-50张数据集,尽量包含所有标签,放到指定目录
  • 编写txt索引文件,文件内容为20张图片的每个图片路径
# 参考目录结构
datasets├── images| ├── 123.ipg| ├── ......| └── 456.jpg└── dataset.txt
  • 修改文件的数据集路径和rknn模型导出路径:examples/yolov8/python/convert.py

在这里插入图片描述

量化

  • onnx转为rknn模型
python convert.py yolov8n.onnx rk3588
  • yolov8n.onnx 模型网络结构 (不是yolov8s)

在这里插入图片描述

  • 转为rknn 后的模型网络结构

在这里插入图片描述

  • 如果结构不对,是无法运行的

运行(3588开发板上操作)

升级npu驱动版本

  • 新版npu驱动地址:https://github.com/airockchip/rknn-toolkit2/blob/master/rknpu2/runtime/Linux/librknn_api/aarch64/librknnrt.so
  • 将so替换到/usr/lib目录下,如果版本一致则不用升级驱动

安装依赖

  • 依赖地址(python调用npu的依赖):https://github.com/airockchip/rknn-toolkit2/blob/master/rknn-toolkit-lite2/packages/rknn_toolkit_lite2-2.2.0-cp310-cp310-linux_aarch64.whl
python install rknn_toolkit_lite2-2.2.0-cp310-cp310-linux_aarch64.whl
  • 在板端安装 RKNN-Toolkit-lite 后,使用对应 demo 的 python 推理脚本,将 from rknn.api import RKNN 修改为 from rknnlite.api import RKNNLite as RKNN 才可以实现板端的 python 推理

  • 将rknn模型复制到开发板上
  • 运行代码
python yolov8-img.py

注意点

如果在边缘设备上运行需要替换包的引入

from rknn.api import RKNN
替换为下面的写法
from  rknnlite.api import RKNNLite as RKNN

npu使用率查看

watch sudo cat /sys/kernel/debug/rknpu/load

查看系统

uname -a
cat /etc/os-release

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com