实例讲解昇腾 CANN YOLOV8 和 YOLOV9 适配
💡
原文中文，约13600字，阅读约需33分钟。
📝
内容提要
本文介绍了华为昇腾CANN YOLOV8和YOLOV9的适配过程。首先需要获取YOLOV8的模型文件，并将其转化为.onnx模型。然后在Atlas 500 Pro服务器上进行模型转换。适配代码可以参考开源代码。最后进行编译运行，输出结果为检测到的物体和置信度。适配YOLOV9的过程与YOLOV8类似。
🎯
关键要点
- 本文介绍了华为昇腾CANN YOLOV8和YOLOV9的适配过程。
- 适配YOLOV8需要获取模型文件并转化为.onnx模型。
- 在Atlas 500 Pro服务器上进行模型转换，适配代码可参考开源代码。
- YOLOV8模型输出数据大小为[1,84,8400]，需要修改后处理部分以适配YOLOV8/YOLOV9。
- 在Windows上安装YOLOV8环境并执行python脚本将.pt模型转化为.onnx模型。
- 上传yolov8n.onnx模型到Atlas 500 Pro服务器并执行模型转换命令。
- 适配代码已开源，核心代码在sampleYOLOV8.cpp中。
- 编译运行代码后，生成的可执行文件可以进行物体检测。
- YOLOV9的适配过程与YOLOV8类似，输出格式一致，只需生成yolov9xx.om模型。
- YOLOV9模型转换步骤包括创建新环境、克隆代码、安装依赖和导出onnx模型。
❓
延伸问答
如何将YOLOV8模型文件转化为.onnx模型？
在Windows上安装YOLOV8环境后，执行python脚本pth2onnx.py，将.pt模型转化为.onnx模型。
适配YOLOV8和YOLOV9的主要步骤是什么？
首先获取模型文件并转化为.onnx模型，然后在Atlas 500 Pro服务器上进行模型转换，最后编译运行代码。
YOLOV8模型的输出数据格式是什么？
YOLOV8模型的输出数据格式为[1, 84, 8400]，其中84表示4个边界框预测值和80个检测类别。
如何在Atlas 500 Pro服务器上执行模型转换？
使用命令atc --model=yolov8n.onnx --framework=5 --output=yolov8n --input_shape='images:1,3,640,640' --soc_version=Ascend310P3。
适配YOLOV9的过程与YOLOV8有何不同？
YOLOV9的适配过程与YOLOV8类似，主要区别在于生成yolov9xx.om模型，其他步骤基本相同。
如何编译和运行YOLOV8适配代码？
下载开源代码后，解压并在src目录下执行cmake .和make命令，生成可执行文件后运行即可。
🏷️
标签
➡️
