# yolov5_for_rknn

**Repository Path**: splendon/yolov5_for_rknn

## Basic Information

- **Project Name**: yolov5_for_rknn
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 5
- **Forks**: 3
- **Created**: 2021-02-02
- **Last Updated**: 2022-07-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

原版仓库：https://github.com/ultralytics/yolov5

# 修改版 yolov5 使用方法

```
环境要求：python version >= 3.6

模型训练：python3 train.py

模型导出：python3 models/export.py --weights "xxx.pt"

转换rknn：python3 onnx_to_rknn.py

模型推理：python3 rknn_detect_yolov5.py
```
注意事项：如果训练尺寸不是640那么，anchors会自动聚类重新生成，生成的结果在训练时打印在控制台，或者通过动态查看torch模型类属性获取，如果anchors不对应那么结果就会出现问题。

建议：在训练时如果size不是640，那么可以先通过聚类得到anchors并将新的anchors写入到模型配置文件中，然后再训练，防止动态获取的anchors在rknn上预测不准的问题。训练参数别忘记加上 --noautoanchor。

# 官方原版 yolov5 使用方法：

1.下载yolov5原版仓库：https://github.com/ultralytics/yolov5

2.训练模型

3.导出onnx模型
```
python export_no_focus.py  --weights weights/yolov5s.pt  --img-size 640 640
所有size均指 width,height .............. 所有shape指 height,width
```
4.转换为rknn模型
```
python onnx2rknn.py --onnx weights/yolov5s.onnx  --precompile  --original
模型默认和onnx在同一目录
```
5.rknn推理
```
python rknn_detect_for_yolov5_original.py
```
当然也可以使用我修改的版本yolov5_original，支持直接使用xml标注文件