Skip to content

Latest commit

 

History

History
 
 

cpp

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
CMakeLists.txt
CMakeLists.txt
 
 
README.md
README.md
 
 
infer.cc
infer.cc
 
 
run_with_adb.sh
run_with_adb.sh
 
 

README.md

YOLOv5 量化模型 C++ 部署示例

本目录下提供的 infer.cc，可以帮助用户快速完成 YOLOv5 量化模型在 RV1126 上的部署推理加速。

部署准备

FastDeploy 交叉编译环境准备

量化模型准备

    1. 用户可以直接使用由 FastDeploy 提供的量化模型进行部署。
    1. 用户可以使用 FastDeploy 提供的一键模型自动化压缩工具,自行进行模型量化, 并使用产出的量化模型进行部署。
  • 更多量化相关相关信息可查阅模型量化

在 RV1126 上部署量化后的 YOLOv5 检测模型

请按照以下步骤完成在 RV1126 上部署 YOLOv5 量化模型：

  1. 交叉编译编译 FastDeploy 库，具体请参考：交叉编译 FastDeploy

  2. 将编译后的库拷贝到当前目录，可使用如下命令：

cp -r FastDeploy/build/fastdeploy-timvx/ FastDeploy/examples/vision/detection/yolov5/rv1126/cpp
  1. 在当前路径下载部署所需的模型和示例图片：
cd FastDeploy/examples/vision/detection/yolov5/rv1126/cpp
mkdir models && mkdir images
wget https://bj.bcebos.com/fastdeploy/models/yolov5s_ptq_model.tar.gz
tar -xvf yolov5s_ptq_model.tar.gz
cp -r yolov5s_ptq_model models
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg
cp -r 000000014439.jpg images
  1. 编译部署示例，可使入如下命令：
cd FastDeploy/examples/vision/detection/yolov5/rv1126/cpp
mkdir build && cd build
cmake -DCMAKE_TOOLCHAIN_FILE=${PWD}/../fastdeploy-timvx/toolchain.cmake -DFASTDEPLOY_INSTALL_DIR=${PWD}/../fastdeploy-timvx -DTARGET_ABI=armhf ..
make -j8
make install
# 成功编译之后，会生成 install 文件夹，里面有一个运行 demo 和部署所需的库
  1. 基于 adb 工具部署 YOLOv5 检测模型到 Rockchip RV1126，可使用如下命令：
# 进入 install 目录
cd FastDeploy/examples/vision/detection/yolov5/rv1126/cpp/build/install/
# 如下命令表示：bash run_with_adb.sh 需要运行的demo 模型路径 图片路径 设备的DEVICE_ID
bash run_with_adb.sh infer_demo yolov5s_ptq_model 000000014439.jpg $DEVICE_ID

部署成功后，vis_result.jpg 保存的结果如下：

需要特别注意的是，在 RV1126 上部署的模型需要是量化后的模型，模型的量化请参考：模型量化