1、准备需要用的程序#

第一个工程,用于安装模型转换所需环境,github地址:https://github.com/airockchip/rknn-toolkit2/releases

第二个工程,(这个用官方的一样)用于pt模型转化为onnx模型,为了在rk板子上部署,官方对模型做了修改,训练好的pt模型放在这个工程中转化为onnx模型,github地址:https://github.com/airockchip/ultralytics_yolov8

第三个工程,用于onnx模型转rknn模型,github地址: https://github.com/airockchip/rknn_model_zoo/releases

将这三个加压到同一个文件夹下即可

2、环境配置安装(conda)#

3、pt转onnx#

官方方法到处模型

1
from ultralytics import YOLO
2
# Load a model
3
model = YOLO('./yolov8n-pose.pt')
4
# Export the model
5
results = model.export(format='rknn')

【注意事项1】

注意这句话,results = model.export(format=‘rknn’) ,此处格式虽然是rknn,但是导出的模型为onnx

【注意事项2】

官方方法,文档地址:https://github.com/airockchip/ultralytics_yolov8/blob/main/RKOPT_README.zh-CN.md

4、onnx转rknn#

1. cd rknn_model_zoo-2.1.0/examples/yolov8_pose/python
2. python convert.py ./yolov8n_pose.onnx rk3588*# yolov8s_pose_ultra.onnx为ultra官方下载模型*

**【遇到问题】**下载的ultra官方pt模型,onnx转rknn这一步报错

图片附件缺失：image 4.png（image.png）

【解决方案】

netron查看模型,查看最终的输出

图片附件缺失：image 5.png（image.png）

修改convert.py中代码,转换成功

图片附件缺失：image 6.png（image.png）

具体能不能使用还得看在瑞芯微的板子上运行部署情况

5、参考链接:#

https://blog.csdn.net/weixin_44190670/article/details/143469973