知乎专栏：https://zhuanlan.zhihu.com/p/439927321 yolov5s在终端布署上效果还可以，本项目主要达成以下功能：将yolov5s.pt转成yolov5s.onnx，将yolov5s.onnx转成yolov5s.rknn，将yolov5s.rknn部署到rk3399或其他芯片的板子上。 项目地址如下： https://gitee.com/Dreamdreams8/yolov5s_rknn_deploy/ https://github.com/Dreamdreams8/yolov5s_rknn_deploy 1、下载第三方库opencv： 链接：https://pan.baidu.com/s/1CvXOsnHHaZzxcMh_-x5Ffg 提取码：qkr7 将3rdparty_yolov5s_rknn_deploy/rknn_to_deploy_3rdparty/opencv放到rknn_to_deploy/examples/3rdparty/中 2、 安装RKNN-Toolkit 1. 安装 Python3.6 和 pip3，也可以用conda创建一个虚拟环境 sudo apt-get install python3 python3-dev python3-pip 一般都是建议独立环境，用conda配置。没有conda的自行安装一个。 conda create -n rknn conda activate rknn 2. 安装相关依赖 sudo apt-get install libxslt1-dev zlib1g zlib1g-dev libglib2.0-0 libsm6 \ libgl1-mesa-glx libprotobuf-dev gcc 3、安装python相关环境 cd onnx_to_rknn pip install -r requirements-1.1.0.txt 4、安装rknn-toolkit 进入到3rdparty_yolov5s_rknn_deploy/onnx_to_rknn_3rdparty第三方库中 sudo pip3 install rknn_toolkit2*.whl 5、检查 RKNN-Toolkit 是否安装成功 rk@rk:~/rknn-toolkit2/package$ python3 >>> from rknn.api import RKNN >>> 3、将yolov5s.pt转成yolov5s.onnx cd yolov5s-to-onnx 1、安装依赖环境，跟上述环境有重叠的地方，一般不冲突 pip install -r yolov5_requirements.txt 2、将yolov5s的模型放到weights中 3、模型转换 python export.py --weights ./weights/yolov5s.pt --img-size 640 --batch 1 --rknn_mode 如果成果则会在weights中生成yolov5s.onnx 4、将yolov5s.onnx转成yolov5s.rknn 1、将生成的yolov5s.onnx放到onnx_to_rknn/examples/onnx/yolov5s中 cd onnx_to_rknn/examples/onnx/yolov5s 2、模型转换 python test.py 如果成功则会在目录下生成yolov5s.onnx，同时生成结果照片 5、将yolov5s.rknn部署到rk3399或其他芯片的板子上。 如果你代码直接在arm64平台上则不需要安装，如果在PC端要安装gcc跟g++版本 sudo apt-get install gcc-aarch64-linux-gnu sudo apt-get install g++-aarch64-linux-gnu 将第4个步骤中生成的yolov5s-640-640.rknn拷贝到rknn_to_deploy/examples/yolov5s/model/中 进入到rknn_to_deploy/examples/yolov5s目录中 执行 bash build-linux.sh 如果成功则生成install跟build两个文件夹 将install文件放到板子上，执行 ./yolov5s_demo 可以看到在model生成了out.jpg 走到这一步，恭喜你已经完成模型的布署。 参考来源：https://github.com/mrwangwg123/my-rknn-yolov5 参考来源：https://github.com/ultralytics/yolov5 参考来源：https://github.com/airockchip/yolov5