DAMO-YOLO预训练模型转RKNN

2023-11-29 05:30
文章标签 训练 模型 yolo rknn damo

本文主要是介绍DAMO-YOLO预训练模型转RKNN,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

推荐环境

ubuntu 20.04

获取rknn项目

Git 克隆rknn-toolkit2项目到本地, 连接如下: 

GitHub - rockchip-linux/rknn-toolkit2Contribute to rockchip-linux/rknn-toolkit2 development by creating an account on GitHub.icon-default.png?t=N7T8https://github.com/rockchip-linux/rknn-toolkit2.git

安装依赖

conda创建一个python3.8的环境;

使用rknn环境;

进入项目doc目录,安装 requirements_cp38-1.5.2.txt 中描述的依赖库;

conda create -n rknn python=3.8 -yconda activate rknncd rknn-toolkit2/docpip install -r requirements_cp38-1.5.2.txt

若安装TensorFlow时遇到超时的问题, 可以使用镜像源单独安装该依赖后,再安装requirements_cp38-1.5.2.txt中描述的其它依赖。

pip install tensorflow==2.8.0 -i https://pypi.douban.com/simple/

进入目录 rknn-toolkit2/packages/,使用 rknn_toolkit2-1.5.2+b642f30c-cp38-cp38-linux_x86_64.whl 安装rknn。

pip install rknn_toolkit2-1.5.2+b642f30c-cp38-cp38-linux_x86_64.whl

准备待转模型&数据集

从DAMO-YOLO 项目中直接下载已训练好的模型,或者自己训练模型。本文使用DAMO-YOLO-NI模型, 将模型存放到 rknn-toolkit2/converter/ 目录下

rknn-toolkit2/examples/onnx/yolov5/ 目录复制  dataset.txtbus.jpg 文件至 rknn-toolkit2/pretrained/ 目录下

编写转换脚本

rknn-toolkit2/converter/ 目录下编写转换脚本 onnx2rknn.py 

import argparse
from rknn.api import RKNNQUANTIZE_ON = True
DATASET = './dataset.txt'def make_parser():parser = argparse.ArgumentParser()parser.add_argument("-t", "--target_platform", type=str, help='芯片平台名称!')parser.add_argument("-p", "--origin_path", type=str, help='onxx文件路径!')parser.add_argument("-d", "--dest_path", type=str, help='导出rknn文件目录!')return parserdef main():args = make_parser().parse_args()target_platform = args.target_platformorigin_path = args.origin_pathdest_path = args.dest_pathprint('ORIGIN-PATH:', target_platform)print('ORIGIN-PATH:', origin_path)print('DEST-PATH:', dest_path)# 校验输入的模型文件是否存在,并且获取输出文件名if os.path.isfile(origin_path):file_name = os.path.basename(origin_path)file_name = file_name[:file_name.index(".")] + ".rknn"else:print('模型文件不存在')exit(-1)print('done')if os.path.isdir(dest_path):dest_file = dest_path + "/" + file_nameelse:print('输出目录不存在!')exit(-1)print('done')print('DEST-FILE:', dest_file)# Create RKNN objectrknn = RKNN(verbose=True)# pre-process configprint('--> Config model')rknn.config(mean_values=[[0, 0, 0]], std_values=[[255, 255, 255]], target_platform=target_platform)print('done')# Load ONNX modelprint('--> Loading model')ret = rknn.load_onnx(model=origin_path)if ret != 0:print('Load model failed!')exit(ret)print('done')# Build modelprint('--> Building model')ret = rknn.build(do_quantization=QUANTIZE_ON, dataset=DATASET)if ret != 0:print('Build model failed!')exit(ret)print('done')# Export RKNN modelprint('--> Export rknn model')ret = rknn.export_rknn(dest_file)if ret != 0:print('Export rknn model failed!')exit(ret)print('done')if __name__ == '__main__':main()

使用脚本转换

进入 rknn-toolkit2/converter/ 目录,运行脚本命令

python onnx2rknn.py -t rk3588 -p ./damoyolo-tinynasL20_Nl.onnx -d ./

最终得到转换后的rknn模型, damoyolo_tinynasL20_Nl.rknn


这篇关于DAMO-YOLO预训练模型转RKNN的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/431636

相关文章

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

本地私有化部署DeepSeek模型的详细教程

《本地私有化部署DeepSeek模型的详细教程》DeepSeek模型是一种强大的语言模型,本地私有化部署可以让用户在自己的环境中安全、高效地使用该模型,避免数据传输到外部带来的安全风险,同时也能根据自... 目录一、引言二、环境准备(一)硬件要求(二)软件要求(三)创建虚拟环境三、安装依赖库四、获取 Dee

DeepSeek模型本地部署的详细教程

《DeepSeek模型本地部署的详细教程》DeepSeek作为一款开源且性能强大的大语言模型,提供了灵活的本地部署方案,让用户能够在本地环境中高效运行模型,同时保护数据隐私,在本地成功部署DeepSe... 目录一、环境准备(一)硬件需求(二)软件依赖二、安装Ollama三、下载并部署DeepSeek模型选