当前位置:   article > 正文

Windows10 将自己的yolov5模型部署在Android手机端_pytorch yolov5 模型转onnx部署到android

pytorch yolov5 模型转onnx部署到android

    将自己的yolov5s训练模型部署到安卓手机移动端

一安装yolov5

1 安装miniconda。

2 打开安装好的Anaconda prompt(Miniconda3);

3 创建虚拟环境:conda create  -n yolov5-master  python=3.8

进入虚拟环境; conda activate yolov5-master

4 如果电脑显卡是英伟达且算力超过3.1。安装显卡驱动,cuda和cuda补丁包。

pip3 install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu102

5 下载yolov5源代码

解压后放到非C盘的盘里。

6 用pycharm打开。

设置pycharm解释器。选择刚创建的yolov5-master环境。

点击应用确定。

配置依赖,cd 到目标所在文件。

pip install -r requirements.txt

下载权重文件yolov5s.pt。

安装完毕后就可以测试了。

终端输入

python detect.py --yolov5st.pt  --source shiyan.mp4  --view-img

 结果会存在runs/detect。

做自己的数据集

创建自己的coco数据文件。

安装labelImg数据标注。

选择yolo格式,输出是txt格式

创建自己的yaml文件,修改成自己的类别数,数据集路径。

终端输入python train.py --img 640 --batch 5 --epochs 5 --data ./data/coco1128.yaml --cfg ./models/yolov5s.yaml --weights ./yolov5s.pt

小试一下,看看哪里报错。

检查runs里的数据可否正确,无误开整。

终端输入python detect.py --weights runs\train\exp\weights\best.pt  --source shiyan.mp4 --view-img

跑个视频看看效果。

导出onnx文件

终端输入python export.py --weights runs\train\exp\weights\best.pt   --include onnx   --train

得到onnx文件,一键转换成ncnn。修改文件名称。

下载ncnn-android-yolov5-master。

打开Android studio配置好环境,替换文件。

para里修改400,1600,6400为-1。

打开cpp文件修改最后两个输出的值。

更改你的类别名。至此修改完成。

手机调到调试模式。

usb线连接手机。

点击绿色运行按键。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/AllinToyou/article/detail/676749
推荐阅读
相关标签
  

闽ICP备14008679号