一文教你地平线旭日派X3部署yolov5从训练--＞转模型--＞部署

本文主要是介绍一文教你地平线旭日派X3部署yolov5从训练--＞转模型--＞部署，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！

一文教你地平线旭日派X3部署yolov5从训练，转模型，到部署

近日拿到了地平线的旭日派X3，官方说是支持等效5tops的AI算力，迫不及待的想在上面跑一个yolov5的模型，可谓是遇到了不少坑，好在皇天不负有心人，终于在手册和社区各个大佬的帮助下，终于在板子上推理成功，本文会从训练、模型转换、到部署到旭日派详细说明

1.训练

1.1准备yolov5-2.0源代码

根据地平线社区大佬说明，虽然旭日派X3支持yolov5所有版本，但是只有yolov5-2.0的主干网络算子都跑在BPU上，效果最好，帧率最高

yolov5-2.0源代码

注意yolov5的预训练权重在下载时也要下载对应版本

1.2使用conda创建一个虚拟环境安装相关依赖

执行pip install -r requirements.txt可以注释掉有关torch的，使用此文件安装torch可能会导致安装cpu版本

1.3准备训练需要的文件

可以在data目录下创建自己的文件夹

这是最终的目录结构目录结构，images和labels一定要对应，data.yaml和yolov5s.yaml是从其他位置复制过来修改的，下图中的cache缓存文件一定要删除，一定要删除，一定要删除，否则会报错照片找不到

复制data目录下的voc.yaml，改为data.yaml

根据自己的需求修改，这个文件夹知名了数据集的路径和标签的种类和个数

复制model目录下的yaml文件，有四种网络结构可供选择

例如我选择的是yolov5s，修改yolov5s.yaml中的nc为自己的标签个数

训练所需要的文件就准备好了

1.4修改train.py文件正式开始训练

修改红框中这几个default参数

注意预训练模型与yolov5s.yaml要对应上
输入图片大小最好使用672X672与后续官方例程保持一致
训练轮次根据需求自己设置
batch-size 根据自己显卡的显存设置我是4060 8G版本设置的16

之后就可以运行train.py文件开始训练，模型保存在根目录下的runs文件夹下的exp文件夹下的weight文件夹，也可以查看训练的收敛情况图片

1.5导出onnx模型

1.5.1为旭日派的BPU加速特殊处理

根据地平线官方文档说明为了更好地适配后处理代码

在使用export.py导出onnx模型时需要对yolo.py做特殊修改

去除了每个输出分支尾部从4维到5维的reshape（即不将channel从255拆分成3x85），然后将layout从NHWC转换成NCHW再输出。

以下左图为修改前的模型某一输出节点的可视化图，右图则为修改后的对应输出节点可视化图。

注意训练时和导出onnx模型时，此文件的不同

1.5.2修改export.py文件

在使用export.py脚本时，请注意：

由于地平线AI工具链支持的ONNX opset版本为 10 和 11，请将 torch.onnx.export 的 opset_version 参数根据您要使用的版本进行修改。
将 torch.onnx.export 部分的默认输入名称参数由 'images' 改为 'data'，与模型转换示例包的YOLOv5s示例脚本保持一致。
将 parser.add_argument 部分中默认的数据输入尺寸640x640改为模型转换示例包YOLOv5s示例中的672x672。

执行后就得到onnx文件了

2.转模型

转模型需要在linux环境或者docker容器内进行，推荐使用ubuntu虚拟机进行，需要有anaconda+py3.6环境

2.1环境配置

2.1.1获得yolov5-2.0转模型demo

wget -c ftp://xj3ftp@vrftp.horizon.ai/ai_toolchain/ai_toolchain.tar.gz --ftp-password=xj3ftp@123$%wget -c ftp://xj3ftp@vrftp.horizon.ai/model_convert_sample/yolov5s_v2.0.tar.gz --ftp-password=xj3ftp@123$%

若需更多公版模型转换示例，可执行命令： wget -c

ftp://xj3ftp@vrftp.horizon.ai/model_convert_sample/horizon_model_convert_sample.tar.gz --ftp-password=xj3ftp@123$%

2.1.2创建模型转换环境

//horizon_bpu 为环境名，可自行设置conda create -n horizon_bpu python=3.6 -y

2.1.3进入模型转换环境：

// horizon_bpu 为上文创建python环境名，  conda环境命令会根据不同的操作系统有所差异，以下两条命令请选择其中能进入conda模型转换环境的命令来使用source activate horizon_bpu 或 conda activate horizon_bpu

2.1.4解压模型转换环境和示例模型安装包并进行相关依赖的安装

tar -xzvf yolov5s_v2.0.tar.gztar -xzvf ai_toolchain.tar.gzpip install ai_toolchain/h* -i https://mirrors.aliyun.com/pypi/simplepip install pycocotools -i https://mirrors.aliyun.com/pypi/simple