yolov5训练出pt模型文件，转换成rknn格式并测试。

一、任务介绍

        我的任务是在服务器GPU上训练yolov5后，转换到使用NPU的平台上，对数据集进行测试，查看MAP等模型性能的损失，目前阶段还没有开展检测速度的评估。

        主要分为三个步骤

        1、在服务器GPU上训练出yolov5的模型文件，best.pt，然后使用yolov5中的export转换成onnx格式。

        2、在linux虚拟机上配置python环境并安装格式转换工具rknn-toolkit2，完成onnx格式转换rknn格式。

        3、在NPU上配置rknn_yolov5_demo，修改postrocess.h、main.cc等文件，添加label保存功能。编写sh脚本，实现对一个数据集文件夹检测。

二、具体步骤

2.1、第一步、使用GPU训练yolov5，并把pt文件转换成onnx格式

        训练过程不是格式转换的重点，这里不赘述，只说一些格式转换过程中的注意事项。

2.1.1、首选训练pt的python环境需要向使用的yolov5版本看齐，不必和后面rknn-toolkit2使用的python版本相同。

        比如：我使用的是yolov5-7.0版本、python版本使用的是python 3.10

        而配置rknn-toolkit2环境时使用的python版本是python 3.6

2.1.2、修改yolov5/models/yolo.py文件

        删掉class Detect(nn.Module)类的forward函数（yolo.py文件的第56行，当然yolov5版本不同行数可能会有变化）中一部分，修改结果：

        注意：训练的过程中不要使用这个修改的yolo.py训练，这个修改只是rknn格式转换过程中的要求。

2.1.3、运行yolov5/export.py文件

        将你训练yolov5得到的best.pt文件复制到yolov5目录下