yolov26n的模型转换和在RV1126B板端的测试

环境使用的虚拟机Ubuntu 64_2004_rv1126B_yolov26虚拟机登录密码123456工具链gcc-linaro-6.3.1-2017.02-x86_64_arm-linux-gnueabihfyolov26版本ultralytics-main链接: https://pan.baidu.com/s/1jlkencvhvY7g4G2rJcKPvA 提取码: 7mti(需要解压码)1、模型转换pt转onnx当前的模型转换需要修改一下源代码修改head.py文件实现输的是1*84*80*801*84*40*401*84*20*20模型head.py文件中的class Detect(nn.Module):类中的def forward(函数添加代码如下# ✅ 导出时直接输出 feature map3个尺度 if self.export: outputs [] feats preds[one2many][feats] if self.end2end else preds[feats] for i in range(self.nl): # box cls 拼接还没 decode box self.cv2[i](feats[i]) cls self.cv3[i](feats[i]) out torch.cat((box, cls), 1) # (1, no, h, w) outputs.append(out) return outputs # ✅ 返回3个输出转换的脚本打开虚拟机cd /home/wyj/wyj/ultralytics-main conda activate yolov11 python export_26.py如需要更换模打开文件export_26.py,更换模型的名字就可以了onnx模型验证测试python run_onnx_26.py检测结果2、模型转换onnx转rknncd /home/wyj/wyj/ultralytics-main conda activate yolov11 python test_26.py如果需要更换模型打开源test.py文件后修改一下的位置dataset.txt文件中放置的是量化的图片路径。转换后的墨香检测结果保存路径Save results to result.jpg!3、板端测试程序编译cd /home/wyj/wyj/rknn-toolkit2-master/rknpu2/examples/rknn_yolov26_demo conda activate yolov11 ./build-linux.sh -t rv1126b -a armhf -b Release本人测测试系统是32位的所以使用的库也是32位的。生成的可执行文件就是在当前目录下的install文件夹推送到板端就可以测试了。cd /home/wyj/wyj/rknn-toolkit2-master/rknpu2/examples/rknn_yolov11_demo_5ms conda activate yolov11 ./build-linux.sh -t rv1126b -a armhf -b Release将生成的文件使用adb的方式推送到板端./adb push install/rknn_yolov5_demo_Linux /userdata/ ./adb shell cd userdata chmod -R 777 * export LD_LIBRARY_PATH./lib ./rknn_yolov5_demo model/RV1126Byolov26n_relu.rknn model/bus.jpg #接测结果推送到本地 ./adb pull /userdata/out.jpg测试结果