树莓派部署yolo fastest ncnn记录_ncnn 编译 树梅派

树莓派部署yolo fastest ncnn记录

部署环境

1.ubuntu18
2.cpencv452
3.cuda10.2
4.pytorch1.8.1
5.树莓派4b
前言：第一到五节，均在PC端ubuntu下完成，第六节在树莓派完成。

一、编译ncnn

1.ncnn环境配置

sudo apt-get install -y gfortran
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev libatlas-base-dev
1
2
3
4

2.获取ncnn代码

git clone https://github.com/Tencent/ncnn
cd ncnn
1
2

3.修改CmakeList.txt文件

将

add_subdirectory(examples)
add_subdirectory(benchmark)
1
2

两个前面的注释去除。#号,本身就没有的话，就不用修改了
4.编译
在ncnn目录下

mkdir build
cd build
cmake ../
make -j4
make install 
1
2
3
4
5

在build目录下会出现三个文件夹。examples install tools，至此第一步ncnn编译成功。接下来可以使用ncnn进行文件转换了！

二、文件转化测试

这一节使用yolov4进行转化测试。
1.下载yolov4.cfg和yolov4.weights文件。
进入这个git库：https://github.com/AlexeyAB/darknet
1).yolov4.cfg在cfg文件夹下
2).yolov4.weights文件，别想了，除非‘科学上网’，我这下载好了
链接:https://pan.baidu.com/s/139AcHtgFwDIc-qKvZdJswA 提取码:6666

2.生成目标文件
1).在ncnn根目录下新建一个Model文件夹，将yolov4.cfg和yolov4.weights文件拷贝到该文件夹中。
2).在ncnn/build/tools/darknet路径下打开终端，输入：

./darknet2ncnn ../../../Model/yolov4.cfg ../../../Model/yolov4.weights ../../../Model/yolov4.param ../../../Model/yolov4.bin
1

将会在Model文件夹中生成yolov4.param 和yolov4.bin文件


看到这个界面和文件就是成功了！第二步搞定。

三、测试

1.将生成的yolov4.param 和yolov4.bin文件，复制到ncnn/build/examples文件夹下。
2.修改yolov4.param----->yolov4-tiny-opt.param
yolov4.bin-------->yolov4-tiny-opt.bin

3.随意找一张图，放入examples文件夹，如上图两张图。输入：

./yolov4 2.jpg
1

效果如下

到这第三步测试就算通过了，小开心。

四、生成yolo-fastest的ncnn文件

1.首先，要有yolo-fastest的配置文件（.cfg）和权重文件（.weights）。这个我是自己训练的文件，作二维码检测。具体怎么训练自己的数据，可以看我上一篇博客。同样的在ncnn根目录下新建文件夹Modelyolofastest，并将yolo-fastest-1.1.cfg和yolo-fastest-1_last.weights文件复制到该文件夹下。
2.在ncnn/build/tools/darknet文件夹下，打开终端。输入：

./darknet2ncnn ../../../Modelyolofastest/yolo-fastest-1.1.cfg ../../../Modelyolofastest/yolo-fastest-1_last.weights ../../../Modelyolofastest/yolo-fastest-1.1.param ../../../Modelyolofastest/yolo-fastest-1_last.bin

1
2

将会在Modelyolofastest文件夹里生成对应文件。

五、移植到yolo-fastest------PC端

1.下载代码
https://github.com/dog-qiuqiu/Yolo-Fastest
2.复制文件
将yolo-fastest-1.1.param和yolo-fastest-1_last.bin文件拷贝到Yolo-Fastest-master/sample/ncnn/model下。

并将ncnn/build/install文件拷贝到Yolo-Fastest/sample/ncnn下。注意是复制install文件夹下的两个文件夹，不是直接复制install文件夹。

3.修改代码

int testCam() {
    YoloDet api;
    //Init model
    api.init("model/yolo-fastest-1.1.param", 
              "model/yolo-fastest-1_last.bin");
1
2
3
4
5

改成自己的就可以。
4.测试
1.在Yolo-Fastest-master/sample/ncnn文件夹下打开终端，输入

sh build.sh
1

2.继续终端输入

./demo
1

5.pc端效果

简直飞起的速度，仅仅用cpu，稳定运行后大概只要10ms一帧。opencv_dnn在我的电脑上要30ms。

到这里第五步pc端移植yolo-fastest也做好了。
遇到的问题记录：
1.电脑要有摄像头
嗯…居然会遇到这样的问题，值得思考一下！
2.ubuntu安装opencv后，出现libopencv相关库找不到。

sudo apt install libopencv-dev
1

安装一下libopencv-dev即可。

六、移植到树莓派

1.配置环境
老规矩和上面一样，需要配置opencv,ncnn。如果树莓派的系统也是ubuntu就基本上按照上面的来就行。
2.将ncnn/build/install中的文件复制到树莓派中Yolo-Fastest/sample/ncnn下。
3.在Yolo-Fastest-master/sample/ncnn文件夹下输入

sh build.sh
1

./demo
1

开始测试，速度嘛，有点难过。可能是还有什么地方没搞好！下一篇再写优化吧，毕竟还需要学习。