

处理好rknn之后, clone一下github上的rk的model_zoo最新的的版本.
git clone https://github.com/airockchip/rknn_model_zoo.git
确认是最近的提交:
确定一下的确是最新的版本2022年11月16日更新的.
进入datasets/COCO目录, 下载量化用的coco图片.
~/rknn_model_zoo/$ cd datasets\COCO
~/rknn_model_zoo/datasets/COCO$ python download_eval_dataset.py
脚本会自动下载coco数据集val2017约5000张照片
同时会生成几个txt文件, 后面我们会用到.
把训练并转好的onnx的模型权重, 复制到虚拟机的model zoo目录或者任意目录, 把板子连到虚拟机上, 用adb devices -l查询一下设备id
注意, 这里可能存在一种情况是, 如果你板子刷了易百纳的固件, 可能接入虚拟机的时候, 会反复断开, 你可能需要直接找台机器, 直接装ubuntu而不是使用虚拟机, 或者是尝试重新编译固件烧录进去.
使用adb 查询设备的devicei id, 如果没有安装adb 直接用apt安装即可
(rknn_py36) marc@ubuntu:~/rknn_model_zoo/models/CV/object_detection/yolo/RKNN_model_convert$ adb devices -l
List of devices attached
adb server version (40) doesn't match this client (39); killing...
* daemon started successfully
a9d00ab1f032c17a device usb:1-1 product:occam model:Nexus_4 device:mako transport_id:1
这个a9d00ab1f032c17a就是你的板子的device id
在ubuntu下面, 使用vscode打开models/CV/yolo/RKNN_model_convert里面的yolov5_yolov7.yml
修改一下内容(注意, 这里修改的时候别用#对脚本进行注释, 直接改, 如果不放心, 可以先把整个文件备份, 别用#注释, 记住!!!):
model_framework: onnx
model_file_path: safe_hat.onnx
dataset: …/…/…/…/datasets/COCO/coco_dataset_1.txt
如果ubuntu是物理机, 可以连接你的板子的otg口, 就添加板子的device id
deivce_id: xxxxxxx
其他不变, 改好之后是这样的:
这里我直接把转好的safe_hat.onnx复制到了这个yaml所在的目录
同时参考这个目录下面的README,
终于到了最后的关键部分:
$ python ../../../../../common/rknn_converter/rknn_convert.py --yml_path ./yolov5.yml --python_api_test --capi_test
如果你重复执行这个脚本, 会在一开始问你是否要覆盖掉原来转好的rknn模型, 如果不用保留原来的模型, 直接输入Y即可.
没有意外的话, 模型就转好了, 转好的模型就在这个目录的model_cvt目录下面了.
如果遇到下面的错误, 多半原因是你的板子没有连到ubuntu上, 就只会生成一个没有预编译的模型, 推理速度会慢20%-30%
如果提示没有安装onnxruntime, 直接用pip安装onnxruntime即可.
查看模型
用ntron.app查看转好的rknn
接下来就是使用python或者c的demo程序, 直接对模型进行推理测试了, 就留到下个星期吧.
声明:本文内容由易百纳平台入驻作者撰写,文章观点仅代表作者本人,不代表易百纳立场。如有内容侵权或者其他问题,请联系本站进行删除。
-
浏览量:522次2022-11-22 09:26:53
-
浏览量:636次2022-11-22 09:58:36
-
浏览量:1011次2022-10-31 15:07:27
-
浏览量:4467次2022-07-29 18:09:52
-
浏览量:2558次2022-10-24 14:44:33
-
浏览量:4545次2021-04-06 17:40:39
-
浏览量:4519次2021-02-18 16:03:22
-
浏览量:1761次2021-06-18 16:05:42
-
浏览量:3053次2021-04-02 09:47:41
-
浏览量:984次2022-10-09 10:38:23
-
浏览量:5084次2021-04-01 17:04:01
-
浏览量:3507次2022-05-11 15:14:51
-
浏览量:2420次2021-04-01 13:54:47
-
浏览量:4388次2021-04-01 16:47:04
-
浏览量:3533次2021-03-30 17:33:20
-
浏览量:4367次2021-04-01 16:24:41
-
浏览量:116次2023-01-31 22:36:19
-
浏览量:2863次2022-06-11 13:46:26
-
浏览量:5022次2021-04-01 16:50:31


Marc





