环境配置

Ubuntu20.04 系统

yolov5 5.0 训练标注的数据集，生成best.pt模型权重

labelImg软件：用来标注数据集

cuda11.3 Python3.7

需要配置yolov5环境的，请点击以下链接：

Ubuntu20.04配置深度学习环境yolov5最简流程

一、为什么要转换生成的模型文件

用Pytorch生成的.pt模型需要先将将模型转换成onnx模型（.onnx）之后再通过onnx模型转化成ncnn模型（.bin .param）才能部署在手机端（安卓、IOS）

移动端的部署有这么几条路：

1. pt文件 --> onnx文件/torchscript文件 --> ncnn --> 安卓端部署（android studio编写）

2. pt文件 --> onnx文件/torchscript文件 --> ML文件 --> ios端部署（mac系统运行xcode编写）

3. pt文件 --> onnx文件 /torchscript文件/wts文件–> openvino/tensorrt 等部署平台 --> 树莓派/jetson部署（最好在linux环境下）

二、开始安装

1. 安装依赖库

第一步在yolov5-master下进入终端：

1. 激活你的yolo环境

conda activate yolo

pip3 install -r requirements.txt onnx -i https://pypi.douban.com/simple

2.导出 onnx

python export.py --weights best.pt --include onnx --img 640 --batch 1

报错：requirements: onnx not found and is required by YOLOv5, attempting auto-update...

解决方法：

conda install -c anaconda protobuf

在best.pt 的同级目录生成了 best.onnx、best.mlmodel 和 best.torchscript.pt三个文件。

可以使用netron查看best.onnx模型结构。

# 在终端运行

pip install netron -i https://pypi.douban.com/simple
python
import netron
netron.start('best.onnx')

3.用onnx-simplifer 简化模型

python -m onnxsim best.onnx best-sim.onnx

yolo的模型转换权重onnx文件转ncnn（2）

参考文章：

yolov5笔记（3）——移动端部署自己的模型（随5.0更新）