yolov5篇---yolov5练习pt模子并转换为rknn模子，摆设在RK3588开发板上——

一、任务先容

  瑞芯微RK3588是一款搭载了NPU的国产开发板。NPU（neural-network processing units）可以说是为了嵌入式神经网络和边缘计算量身定制的，但若想调用RK3588的NPU单元举行推理加速，则须要首先将模子转换为**.rknn格式**的模子，否则无法利用。
  这次我们的任务是将yolov5练习得到的pt模子，一步步转换为rknn模子，并将rknn模子摆设在搭载RK3588的StationPC M3主机上，利用NPU推理。(官网NPU教程：NPU利用 — Firefly Wiki)查阅资料和官网后发现转换和利用过程分以下几步，首先总结给大家，后文细说：

• 1.利用准确版本（v5.0）的yolov5举行练习得到pt模子；
  
• 2.将pt模子利用yolov5工程中的export.py转换为onnx模子；
  
• 3.将onnx模子利用rknn-toolkit2中onnx文件夹的test.py转换为rknn模子；
  
• 4.在板子上利用rknpu2工具调用rknn模子，实现NPU推理加速。
  

  接下来举行具体先容。
二、实行过程

2.1 利用准确版本的yolov5举行练习(平台：x86机器ubuntu22.04体系)

  人菜就要跟着官方教程做，请看官方教程：
rknn-toolkit/examples/pytorch/yolov5 at master · rockchip-linux/rknn-toolkit · GitHub
  须要指出的是，固然我们后面要利用的是rknn-toolkit2工具举行模子转换，但教程却在rknn-toolkit工程中，github二者的父目次如图：

  进入rknn-toolkit工程，欣赏至/example/pytorch/yolov5，在README中赫然写着：
  这就是我们本次要利用的“准确版本的yolov5” ，怕贫困的读者请肯定按照这个id去yolov5官网找到工程并克隆下来。进入yolov5官网GitHub - ultralytics/yolov5: YOLOv5