环境
- ubuntu 18.04 64位
- python 3.6
- rockchip 1808开发板
前言
本篇我们来看看，如何在 RK1808 开发板上运行 YOLOv5 目标检测。基本思路是，yolov5 –> ONNX –> rknn，我们一步步来。
实践
官方工程 https://github.com/rockchip-linux/rknpu 从 rknn-toolkit 1.7.0 版本后增加了对 yolov5 的支持，所以，在虚拟环境中，我们需要将 rknn 升级到 1.7.0 以上版本。
首先从 github 上下载安装包 https://github.com/rockchip-linux/rknn-toolkit/releases/tag/v1.7.0，选择其中的 zip 包，解压缩后得到 whl 文件，通过 pip install 安装即可，注意保持 python 版本和你使用的一致
pip install rknn_toolkit-1.7.0-cp36-cp36m-linux_x86_64.whl然后，下载 rknpu 的源码
git clone https://github.com/rockchip-linux/rknpu.git进入到 yolov5 的示例目录
cd rknpu/rknn/rknn_api/examples/rknn_yolov5_demo
# 安装下工具链，默认安装路径是/usr/bin；或者不用安装直接使用rknn源码包中的工具链
sudo apt install gcc-aarch64-linux-gnu接着，修改下 build.sh，将变量 GCC_COMPILER 的值替换成自己的目录 /usr/bin/aarch64-linux-gnu；如果是使用 rknn 源码中自带的工具链，就改成对应的路径
完成后，执行
./build.sh这个脚本会将编译后生成的可执行文件、测试图片和模型文件都拷贝到目录 install 中，我们将开发板通过 usb 线连接电脑，然后将 install 文件夹发送到开发板中
adb push install /userdata接着进入到开发板测试
adb shell
cd /userdata/rknn_yolov5_demo
./run_rk180x.sh测试的结果保存在 out.bmp 中，需要下载到本机的，可以在电脑端执行
adb pull /userdata/rknn_yolov5_demo/out.bmp .
这个示例中，使用的是原生的模型(yolov5s.pt)，通过 export.py 转换成 onnx，最后再转换成 rknn
前一部分，pt 转 onnx，可以参考之前的文章 https://xugaoxiang.com/2021/02/02/android-ncnn-yolov5/ 进行转换；后一部分，仓库中为我们提供了转换脚本
cd convert_rknn_demo/yolov5/
python onnx2rknn.py
