YOLOv5在SD3403上的部署(包含模型训练,模型转换,SDK部署)

YOLOv5在SD3403上的部署(包含模型训练,模型转换,SDK部署) V 2024-02-23 17:41:04 1415

偶然间得到一块替代hi3559的最新昇腾生态的海思SD3403板子,闲暇之余将YOLOv5模型部署上去并跑通流程,整个过程详细记录在该blog中。

首先话不多说进入YOLOv5模型训练部分,本人使用的是YOLOv5 v6.2版本,需要的各位到GitHub上自取。这里就不挂链接了。但YOLOv5原版模型是无法直接部署到板子上的(至少在我的pipeline里无法直接部署),原因是训练好的pytorch模型需要转换成onnx模型再转换为caffemodel,caffe目前不支持Upsample层。

训练YOLOv5模型需要对模型定义文件(文件在repo中models文件夹下),本文以yolov5s模型为例,对模型定义文件中head部分进行改造。

head:
  [[-1, 1, Conv, [512, 1, 1]],
   # [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [-1, 1, nn.ConvTranspose2d, [512, 4, 2, 1, 0, 512]]
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, C3, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   # [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [-1, 1, nn.ConvTranspose2d, [256, 4, 2, 1, 0, 256]]
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

按照以下命令即可开始训练:

python train.py --data path2yourdatayaml --weights '' --model models/yolov5s.yaml --imgsz 640

训练好后即可开始模型转换,转换模型使用YOLOv5中自带的export.py即可完成转换,但是需要更改models文件夹下的yolo.py中的Detect类中的forward函数,更改的原因这里就不赘述了,如果大家想了解可以看看其他博主写的blog,很详细。

def forward(self, x):
    z = []
    for i in range(self.nl)[::-1]:
        x[i] = self.m[i](x[i])
        bs, _, ny, nx = x[i].shape
        x[i] = x[i].view(bs, self.na, self.no, ny * nx)
        if not self.training:
            if self.onnx_dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]:
                self.grid[i], seld.anchor_gird[i] = self.make_grid[nx, ny, i]

            y = x[i]
            z.append(y)

    return z

代码改好后按以下命令即可完成pt到onnx的转换:

python export.py -include onnx --opset 11 --imgsz 640 --simplify --weights path2yourpt

致此,onnx模型的转换已经完成,下面进行onnx到caffemodel的转换。首先我们需要编译caffe,编译caffe可以直接借鉴我GitHub上的repo。

git clone https://github.com/Trepassing/caffe.git

caffe编译成功后(import caffe无报错即可视为成功),使用caffe转换onnx为caffemodel和prototxt,这里借鉴了GitHub - Wulingtian/yolov5_onnx2caffe: yolov5 onnx caffe这位大神的代码,但是原版转换代码不支持YOLOv5 6.2版本,需要对代码进行一些更改,我修改后的代码:

git clone https://github.com/Trepassing/onnx2caffe.git

拉下repo后进入convertCaffe.py,将onnx模型文件路径和将要保存的caffemodel,prototxt文件路径改后后直接执行即可。

致此得到caffemodel和prototxt后就进入到SD3403模型转换的步骤,该步骤过程是我自己摸索出来的,只能保证按照我的流程来不会报错。

声明:本文内容由易百纳平台入驻作者撰写,文章观点仅代表作者本人,不代表易百纳立场。如有内容侵权或者其他问题,请联系本站进行删除。
V
红包 1 收藏 评论 打赏
评论
3个
内容存在敏感词
手气红包
  • 爱喝薏米粥 2024-11-21 10:58:56
    回复
    楼主好像什么都说了,又好像什么都没有说,原因就是:没有细节!
  • 耶律大石 2024-06-21 02:36:13
    回复
    别人都是用 利用atc工具链Ascend-cann-toolkit_6.10.t01spc030b330_linux.x86_64.run实现onnx到om的转换。 不用caffe这种老东西了
  • hpj 2024-02-24 09:54:13
    回复
    搞一个系列的吧,太零散了
相关专栏
置顶时间设置
结束时间
删除原因
  • 广告/SPAM
  • 恶意灌水
  • 违规内容
  • 文不对题
  • 重复发帖
打赏作者
易百纳技术社区
V
您的支持将鼓励我继续创作!
打赏金额:
¥1易百纳技术社区
¥5易百纳技术社区
¥10易百纳技术社区
¥50易百纳技术社区
¥100易百纳技术社区
支付方式:
微信支付
支付宝支付
易百纳技术社区微信支付
易百纳技术社区
打赏成功!

感谢您的打赏,如若您也想被打赏,可前往 发表专栏 哦~

举报反馈

举报类型

  • 内容涉黄/赌/毒
  • 内容侵权/抄袭
  • 政治相关
  • 涉嫌广告
  • 侮辱谩骂
  • 其他

详细说明

审核成功

发布时间设置
发布时间:
是否关联周任务-专栏模块

审核失败

失败原因
备注
拼手气红包 红包规则
祝福语
恭喜发财,大吉大利!
红包金额
红包最小金额不能低于5元
红包数量
红包数量范围10~50个
余额支付
当前余额:
可前往问答、专栏板块获取收益 去获取
取 消 确 定

小包子的红包

恭喜发财,大吉大利

已领取20/40,共1.6元 红包规则

    易百纳技术社区