关于YOLO8学习（一）环境搭建，官方检测模型部署到手机_yolov8模型部署到手机端具体的方式

教学视频地址

B站

一，环境的搭建

环境

win10
python 3.11
cmake
pytorch
pycharm

过程

首先安装好一个pycharm，这里就不一一叙述了。
其次，选择好一个python版本，是关键所在。有些YOLO的版本，并不支持很高的python版本，博主选用的是python3.11版本。经过实际的测试，这个版本比较合适。

注意，配置到这里，python环境和pycharm都已经安装，这里从PyCharm新建一个项目，python建议配置一个虚拟的环境，这样不会影响系统级别的python依赖。

（一）首先就是安装cmake的环境。直接从cmake下载，然后path配置cmake路径即可。

（二）完成cmake安装后，进行onnxsim安装，这个库，会涉及到yolo转换onnx，同时也是依赖cmake才能正常安装。
相关指令：pip install onnxsim

（三）安装pytorch版本
pip install torch2.0.1+cu117 torchvision0.15.2+cu117 torchaudio==2.0.2+cu117 -f https://download.pytorch.org/whl/torch_stable.html

（四）然后指定一个yolo版本进行安装，这里指定版本为8.0.134。注意，这个版本将会影响后续的代码编写。
具体指令如下：
pip install ultralytics==8.0.134

（五）特别注意，如果你的电脑有显卡，在训练模型的时候，是可以用显卡训练的，但是对于英伟达的1660系列的显卡，需要在train方法中，声明好amp=False，才能进行GPU训练。

完成，上述步骤后，就配置好所有需要进行训练的环境了，后面的文章，将会描述如何把官方的训练好的模型，部署到手机上。

二，官方的模型，转换，部署到手机上

对于如何训练一个模型，后续教程才进行讲解，现在要讲解的是，如何把官方的一个训练好的模型，部署到安卓手机上，并且能让其正常运行。

整个流程，就是Pt–>onnx–>ncnn。进行文件转换后，生成的nccn文件，部署到安卓手机上，并实现检测功能。

首先，下载好官方的模型：yolov8n.pt
对于这个模型，直接百度一搜索，就会有了，同时，也可以通过代码的形式，下载到项目的目录中，相关代码如下：

model = YOLO(('yolov8n.pt')
1

通过执行上面的python代码，就会自动下载yolov8n.pt文件，到执行文件同级别的目录了。

转换之前，这里是需要修改yolo的源码的，具体步骤如下：

head.py文件：

block.py文件：

修改完上面两个文件后，执行下面的代码，

model = YOLO("yolov8n.pt")
model.export(format="onnx",imgsz=320, half=True, opset=12, optimize=True)
1
2

这样，就把pt文件，转换成了onnx文件了。

---

onnx 转换为 ncnn

这里的方法有很多，博主直接用tc官方的onnx2ncnn.exe进行转换：
下载链接：
官方资源地址：

下载完成后，找到onnx2ncnn.exe文件，然后执行下面的指令，就可以得到两个文件，两个文件就是对应的ncnn资源文件：

onnx2ncnn.exe xxxx.onnx targetxx.param targetxx.bin
1

---

接下来，就是部署到安卓端上面了。
参考链接：
https://github.com/FeiGeChuanShu/ncnn-android-yolov8/tree/main/ncnn-android-yolov8

下载这个ncnn-android-yolov8的项目，然后用androidstudio打开，编译的ndk为21。gradle7+，然后，对应的opencv和ncnn下载链接如下：
ncnn-20240410-apple-vulkan.zip
opencv

下载完成后，上面的文件，全部解药到安卓项目中的jni目录。

接下来，就是开始修改jni文件了。

修改点一

修改yolo.cpp中的输入输出名字
一般名字都是：
input–>images
output–>output0

修改点二

修改strings.xml文件，替换为你的模型名字，如下图：

修改点三

修改yolo8ncnn.cpp文件，模型名字，如下图（模型名字为fruit_best，所以这里的modeltypes[]就修改为对应的名字）：

修改点四

修改yolo.cpp中的generate_proposals函数，分类数量，这个数量，一般都是对应你的模型数量，官方模型，在demo中的类型，是80个，所以这里一般不做修改。

完成上述步骤后，点击as进行run，就可以实现了。

总结

整体的思路，就是从官方下载一个已经训练好的模型，这里选用的Yolov8n.pt模型，然后修改head.py和block.py的源码，接着进行pt转换为onnx，然后再通过在线的网址，转换ncnn所需的模型文件xxx.param,xxx.bin。
接着下载安卓demo，把这两个文件替换。然后修改输入，输出的名字，以及模型的名字。配置好安卓的jni所需要的Opencv和ncnn所需的平台依赖。然后运行项目即可。

that’s all-----------------------------------------------------