1. Yolov5简介
YOLOv5 模型是 Ultralytics 公司于 2020 年 6 月 9 日公开发布的。YOLOv5 模型是基于 YOLOv3 模型基础上改进而来的，有 YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x 四个模型。YOLOv5 相比YOLOv4 而言，在检测平均精度降低不多的基础上，具有均值权重文件更小，训练时间和推理速度更短的特点。YOLOv5 的网络结构分为输入端BackboneNeck、Head 四个部分。本教程针对目标检测算法yolov5的训练和部署到EASY-EAI-Nano(RV1126)进行说明，而数据标注方法可以参考我们往期的文章《Labelimg的安装与使用》。以下为YOLOv5训练部署的大致流程：
2. 准备数据集
2.1 数据集下载
本教程以口罩检测为例，数据集的百度网盘下载链接为:
https://pan.baidu.com/s/1vtxWurn1Mqu-wJ017eaQrw 提取码：6666
解压完成后得到以下三个文件：
2.2 生成路径列表
在数据集目录下执行脚本list_dataset_file.py:
执行现象如下图所示:
得到训练样本列表文件train.txt和验证样本列表文件valid.txt,如下图所示：
3. 下载yolov5训练源码
通过git工具，在PC端克隆远程仓库（注：此处可能会因网络原因造成卡顿，请耐心等待）：
git clone https://github.com/EASY-EAI/yolov5.git
得到下图所示目录：
4. 训练算法模型
切换到yolov5的工作目录，接下来以训练一个口罩检测模型为例进行说明。需要修改data/mask.yaml里面的train.txt和valid.txt的路径。
执行下列脚本训练算法模型：
python train.py --data mask.yaml --cfg yolov5s.yaml --weights "" --batch-size 64开始训练模型，如下图所示：
关于算法精度结果可以查看./runs/train/results.csv获得。
5. 在PC端进行模型预测
训练完毕后，在./runs/train/exp/weights/best.pt生成通过验证集测试的最好结果的模型。同时可以执行模型预测，初步评估模型的效果：
python detect.py --source data/images --weights ./runs/train/exp/weights/best.pt --conf 0.5
6. pt模型转换为onnx模型
算法部署到EASY-EAI-Nano需要转换为RKNN模型,而转换RKNN之前可以把模型先转换为ONNX模型，同时会生成best.anchors.txt：
python export.py --include onnx --rknpu RV1126 --weights ./runs/train/exp/weights/best.pt生成如下图所示：
7. 转换为rknn模型环境搭建
onnx模型需要转换为rknn模型才能在EASY-EAI-Nano运行，所以需要先搭建rknn-toolkit模型转换工具的环境。当然tensorflow、tensroflow lite、caffe、darknet等也是通过类似的方法进行模型转换，只是本教程onnx为例。
7.1 概述
模型转换环境搭建流程如下所示：
7.2 下载模型转换工具
为了保证模型转换工具顺利运行，请下载网盘里”AI算法开发/RKNN-Toolkit模型转换工具/rknn-toolkit-v1.7.1/docker/rknn-toolkit-1.7.1-docker.tar.gz”。网盘下载链接：https://pan.baidu.com/s/1LUtU_-on7UB3kvloJlAMkA 提取码：teuc
7.3 把工具移到ubuntu18.04
把下载完成的docker镜像移到我司的虚拟机ubuntu18.04的rknn-toolkit目录,如下图所示：
7.4 运行模型转换工具环境
7.4.1 打开终端
在该目录打开终端：
7.4.2 加载docker镜像
执行以下指令加载模型转换工具docker镜像:
docker load --input /home/developer/rknn-toolkit/rknn-toolkit-1.7.1-docker.tar.gz7.4.3 进入镜像bash环境
执行以下指令进入镜像bash环境:
docker run -t -i --privileged -v /dev/bus/usb:/dev/bus/usb rknn-toolkit:1.7.1 /bin/bash现象如下图所示:
7.4.4 测试环境文章来源：https://www.toymoban.com/news/detail-666526.html
输入“python”加载python相关库，尝试加载rknn库，如下图环境测试成功:文章来源地址https://www.toymoban.com/news/detail-666526.html
到了这里，关于yolov5训练部署全链路教程的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
