徐州网站seo公司,计算机网络技术就业方向专科,深圳seo优化项目,ios网站开发工具有哪些上两篇文章讲述了pytorch模型下best.pt转换成onnx模型#xff0c;以及将onnx进行简化成为best-sim.onnx,
接下来这篇文章讲述如何将onnx模型转换成rknn模型#xff0c;转换成该模型是为了在rk3568上运行
1.创建share文件夹
文件夹包含以下文件best-sim.onnx,rknn-tookit2-…上两篇文章讲述了pytorch模型下best.pt转换成onnx模型以及将onnx进行简化成为best-sim.onnx,
接下来这篇文章讲述如何将onnx模型转换成rknn模型转换成该模型是为了在rk3568上运行
1.创建share文件夹
文件夹包含以下文件best-sim.onnx,rknn-tookit2-1.4.0压缩包rknpu2-1.4.0压缩包
RKNN-Toolkit2-1.4.0 是一个软件开发套件主要用于在PC和瑞芯微RockchipNPU平台上进行深度学习模型的转换、推理和性能评估。
RKNPU2-1.4.0 主要用于在Rockchip NPU平台上部署和运行AI模型为开发者提供了方便的编程接口和工具支持的平台它支持多种Rockchip芯片平台包括RK3566、RK3568、RK3588、RK3588S、RV1103、RV1106等 2.主机与vmware共享文件夹
虚拟机·--选项--共享文件夹--将c:/share文件夹添加--确定 输入命令
sudo mount -t fuse.vmhgfs-fuse .host:/ /mnt/hgfs -o allow_other
/mnt/hgfs/ 是挂载点我们也可以修改为其它挂载点 -o allow_other 表示普通用户也能访问共享目录。 输入上述命令进行挂载挂载后然后再次进入 /mnt/hgfs 查看得到共享的share文件夹 注意挂载后必须要再次进入/mnt/hgfs才能查看到共享的文件夹 3.安装远程安装工具
sudo apt-get install openssh-serverFinalshell远程连接虚拟机 4.创建文件夹对rknn-toolkit2-1.4.0和rknpu2-1.4.0进行解压
mkdir rknn
cp /mnt/hgfs/share/rknn-toolkit2-1.4.0.zip rknn/rknn-toolkit2-1.4.0.zip
cp /mnt/hgfs/share/rknpu2-1.4.0.zip rknpu2-1.4.0.zip
cd rknn/
ls
unzip rknn-toolkit2-1.4.0.zip
cd ..
unzip rknpu2-1.4.0.zip5.安装docker环境
更新列表
sudo apt-get update更新一下软件
sudo apt-get upgrade
输入以下命令
sudo apt-get remove docker docker-engine docker.io containerd runc 安装docker依赖的环境
sudo apt-get install ca-certificates curl gnupg lsb-release
添加密钥 curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add - 添加一个软件源
sudo add-apt-repository deb [archamd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable
安装docker
sudo apt-get install docker-ce docker-ce-cli containerd.io 给自己赋予运行的权利hjr为我的用户名
sudo usermod -aG docker hjr 输入exit退出再重启
exit
重启docker
sudo systemctl start docker 在docker中安装其他的工具 sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common
输入以下命令 将镜像rknn-toolkit2-1.4.0-cp38-docker.tar.gz拷贝到家目录 cp /mnt/hgfs/share/best-sim.onnx ~/rknn/rknn-toolkit2-1.4.0/examples/best-sim.onnxcp rknn/rknn-toolkit2-1.4.0/docker/rknn-toolkit2-1.4.0-cp38-docker.tar.gz rknn-toolkit2-1.4.0-cp38-docker.tar.gz在家目录下复制
加载镜像
docker load --input rknn-toolkit2-1.4.0-cp38-docker.tar.gz 运行镜像
docker run -it --privileged --networkhost -v /dev/bus/usb:/dev/bus/usb -v ~/rknn/rknn-toolkit2-1.4.0/examples:/examples rknn-toolkit2:1.4.0-cp38 /bin/bash 显示以下画面说明镜像运行成功
安装文件传递工具 这个工具主要为了上传测试图片
apt-get install lrzsz 在docker环境下进入 cd examples/onnx/yolov5 cd examples/onnx/yolov5 进入yolov5文件夹后将exampels/best-sim.onnx 拷贝过来 cp /examples/best-sim.onnx best-sim.onnx 6.在docker环境下上传测试02.jpg图片 mydataset.txt实在dataset.txt的基础上进行拷贝的test1.py实在test.py的基础上进行拷贝的
cp datatset.txt mydataset.txt
cp test.py test1.py
7 修改test1.py 将下面内容进行修改,将ONNX模型改为best-sim.onnx,生成的RKNN自己命名为best-sim.onnx,IMG为自己测试的图片DATASET为识别的图片,生成以后检测图片为out2.jpg 打开mydataset.txt,打开以后是自己将要识别的图片02.jpg
vim mydataset.txt 8.运行test1.py
best-sim.rknn生成同时out2.jpg检测图片生成
python test1.py 查看图片输入以下命令
sz out2.jpg在docker环境下best-sim.rknn模型成功转出对检测图片也成功进行识别
