pytorch ncnn,pytorch snn
TnDeploy YOLOV5到移动端——从——py torch到onnx再到tnn的完整流程可以直接使用腾讯的TNN-master运行android demo。可以参考这个博客。
TNN入门笔记3354运行通过Android演示从零开始
一些计算机性能有限，可能不支持虚拟机技术。可以通过usb连接手机，直接部署到真实的电脑上进行测试。请参考博客Android studio连接手机进行调试。
中间可能会有一些问题，每个人的情况不一定一样。根据问题找到解决方案，最终TNN大师提供的android-demo可以成功部署到手机上。
因为tnn-master中使用的权重已经是转换后的tnn权重，所以如果想根据自己的需要更改模型，需要将pytorch(或其他类型)权重转换为tnn格式。下面介绍如何将pytorch权重转换成tnn格式，替换tnn-master中的权重，并根据自己的需求展示android-demo。1.下载yolov5工程文件
根据搜索，tnn-master中转换的yolov5的版本号是41 bb 70 b 32598 c 016 cc 55 debae 7 bafd 26 c 94 e 984，但是这个版本的权重已经无法下载，所以选择了发布时间差不多的yolov5-3.1版本。通过验证后，选择yolov5-5.0版本即可实现最终的demo部署和测试，操作相同。Yolov5工程文档从版本历史yolov5下载。
2.将pytorch格式权重转为onnx格式
yov5项目中有pytorch格式权重转换为onnx格式的书面代码，在yolov5-3.1/models文件夹下的export.py中。但是，这个文件夹中的yolo.py和export.py都需要修改。否则虽然转换可以成功，但是最后部署到手机上的demo是检测不到结果的。环境需要什么就装什么，缺什么就一个一个装。
2.1修改yolo.py文件
Tnn好像不支持5维计算，所以模型输出部分有5维数据需要修改成4维输出：2.2 修改export.py。
TNN大师使用的图像尺寸是448640，而yolov5是640640。如果型号转换期间未修改尺寸，则需要在tnn-master中修改相应的图片尺寸。建议在这里修改，比较方便。3. 模型简化
经过以上操作，可以得到onnx格式的模型。代码python 3-m onnxsim/yolo V5-master/weights/yolo V5 . onnx/yolo V5-master/weights/yolo V5 _ sim . onnx用于简化模型。前一个地址是要简化的模型，后一个是简化的模型和地址。这个简化模型的步骤一定要做，否则后面的onnx到tnn都不会成功。
4. onnx转tnn
在获得简化的onnx模型之后，该步骤将onnx转换成tnn模型。推荐使用web版本转换工具，方便快捷，无需安装环境。网页的地址转换模型
如果要配置自己的环境，安装编译工具，如果按照TNN官方文件，会出现很多莫名其妙的问题。尤其是按照官方文档安装protobuf的时候，从源代码开始安装比较麻烦，各种报错。安装后，后面有些包安装不了，浪费了很多时间和精力。最后我自己发现，不需要先安装protobuf，但是安装onnx的时候会安装protobuf。最后，我成功地配置了环境并安装了编译工具。下面给出了配置环境的每个步骤和代码：
创建虚拟环境：conda create -n o2t python=3.8
激活环境：康达激活o2t
setup onnx:pip 3 install onnx==1 . 6 . 0
安装onnx runtime:pip 3 install onnx runtime
安装onnx-simplifier:pip 3安装onnx-simplifier
安装cmake:因为cmake已经存在于我使用的服务器上，所以没有重新安装。
编译：onnx2tnn工具在Mac和Linux上都有自动编译脚本，可以直接运行：CD path-to-tnn/tools/onnx 2 tnn/onnx-converter。/build.sh。
如果显示没有操作权限，那么给文件权限chmod x ./build.sh，然后。/build.sh。
模型的转换：CD path-to-tnn/tools/onnx 2 tnn/onnx-converterpythornx 2 tnn . py/yolov 5-master/weights/yolov 5s . onnx-version=v 1.0-optimize=1-half=0-o/lov 5-master/weights/-input _ shape input:1，3，448，640参数可根据官方文档设置，模型路径可根据实际情况更改。
5. 查看输出位置
两个文件，tnnmodel和。tnnproto，是模型转换后得到的。用于查看输出位置。
6. 替换模型及修改输出位置
在TNN-马斯特尔，用自己的改装型号替换它的yolov5型号。
在AS打开的TNN主android-demo中打开object_detector_yolo.cc，找到输出位置，修改到上面查看的输出位置。tnn协议文件。注意顺序和对应关系，防止出错。您可以使用netron查看输出位置在。tnn-master和object _ detector _ yolo.cc附带的tnnproto文件。
7. 去除冗余
TNN有许多模型-主人。部署到android上，demo比较大，很多功能不一定需要，可以赠送，减少内存消耗。这里举个例子，我们只使用yolov5模型进行物体检测，所以只能保留这个模型。
先删除型号，只留下yolov5。
MainActivity.java在TNN-master \ examples \ Android \ demo \ src \ main \ Java \ com \ Tencent \ TNN \ demo中注销了多余的活动。
你也应该能找到界面中显示的那部分代码，并删除多余的显示按钮，这样你就能得到一个更干净的android-demo。
最后，如果你想自己训练模型，修改类别或者其他内容，就要在TNN-master里面修改相应的文件，这个还没试过。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。