目次
はじめに: 以前にマスク検出モデルのトレーニングに YOLOv5 を使用しましたが、モデル変換を伴う k210 でモデルを実行したいと考えています。以下に、個人的な変換プロセスを簡単に記録します。私のハード変換プロセス (間違いがある場合は、ご記入ください)子供たちを誤解させないように、コメント欄で指摘してください）
1 つ目: yolov5 を使用してモデルをトレーニングし、モデル変換を実行します。私の変換アイデアは pt-->onnx-->tflite-->kmodel です。変換プロセスは非常に難しく、途中でさまざまな落とし穴があります。事故は本当に起こりました。最後のステップで失敗しました。小白はこの道をお勧めしません。どうしても死にたい場合は、参考ブログのリンクをいくつか紹介します。
1. モデル変換: pytorch モデルから onnx、onnx から tensorflow、tensorflow から tflite_Chengjun BLOG のブログ - CSDN Blog_onnx から tensorflow
最後のステップは、NNcase ソフトウェアを使用して tflite を kmmodel に変換することです。
2 番目の方法: maixpy 公式オンライン トレーニング Web サイト --- maixhub を使用します。オンライン トレーニングの場合、データ セットをトレーニング用に特定の形式に置くだけでよく、トレーニング結果は直接 kmodel (k210 で実行可能) です。 )、チュートリアルについては、maixhub にビデオチュートリアルがあります。添付: ウェブサイトのリンク: Maixhub
3 番目の方法: トレーニングに Mx-yolov3 を使用します。バージョン 1.2 を使用したことがある場合でも、環境を適切に構成できれば、依然として非常に使いやすいです (データ セットを置くだけでトレーニングが実行されます)。 tflite にして、mx-yolov3 をインストールすると、nncase が直接インストールされるため、基本的にはドラゴン サービスのセットであり、非常に快適です!)、チュートリアルに従ってうまく一致しない場合は、基本的に G です。ここにあります。推奨ブログ: MX-Yolov3 ローカル トレーニングモデルのインストールと使用_BYEBlackBird のブログ - CSDN blog_yolov3 インストール
4 番目のタイプ: mx-yolov3 はまだ使用されていますが、バージョン 3.0 です。バージョン 1.2 と比較して、バージョン 3.0 では環境を設定する必要がありません。環境構築の必要はありません。環境構築の必要はありません。使い方は非常に簡単で、データセットを適切に配置するだけで済みますが、落とし穴がいくつかあります。私が遭遇した落とし穴は次のとおりです。 1. 写真または XML 名にスペースを含めることはできません (アンダースコアもスペースとしてみなされる可能性があります)。とにかく、数字または文字を試してください) 2. 写真の解像度には要件があります。私は 224*224 を使用しています。クロールした写真の解像度は均一ではないため、エラーを報告し続けます。具体的な解像度はわかりません。要件は正方形でなければなりませんか? それとも統一されているのでしょうか？それとも224の倍数でしょうか？よくわからないし、いちいち試すのが面倒なので、mx-yolov3 に imagetool という写真を 224*224 の仕様に統一できるプログラムがあるので、これを使うと便利です。上記のバージョン 1.2 チュートリアルと同じですが、環境を構成するステップをスキップするだけです。以下は、Baidu Netdisk バージョン 3.0 へのリンクです: https://pan.baidu.com/s/1Gl3Qfw5s8LZuu2wc1GTITg 抽出コード: dvsf
結論：皆さんのお役に立てれば幸いです、間違いがあればご指摘いただき、一緒に進歩していけたら幸いです！同時に、上で私が引用したブロガーにも感謝したいと思います。