部署yoloV8

直接运行

import torch
model = torch.load('models/yolov8n.pt')

报错

解决

pip install ultralytics

加了个

model.eval()

又报错了

原因是因为pt文件里面不包含网络结构，只有参数权重。
根据yolov8官网来做是这样

from ultralytics import YOLO

# Load a model
model = YOLO('models/yolov8n.pt')  # load an official model
success = model.export(format="onnx", simplify=True)  # export the model to onnx format
assert success
print("转换成功")

如果正常pt转成onnx的话，应该是这样的流程

import torch
net = torch.load('yolov8n.pt', map_location='cpu')
net.eval()
dummpy_input = torch.randn(1, 3, 640, 640)
torch.onnx.export(net, dummpy_input, 'yolov8n.onnx', export_params=True,
                  input_names=['input'],
                  output_names=['output'])

到现在的话，是有了onnx文件了。

然后到板子上，使用acuity-toolkit-binary-6.9.1

pegasus import onnx --model yolov8n.onnx --output-data yolov8n.data --output-model yolov8n.json

一直报错

这样修改，添加完整pegasus的路径

/home/yx/supernova/acuity/acuity-toolkit-binary-6.9.1/bin/pegasus import onnx --model yolov8n.onnx --output-data yolov8n.data --output-model yolov8n.json

/home/yx/supernova/acuity/acuity-toolkit-binary-6.9.1/bin/pegasus export ovxlib --model yolov8n.json --model-data yolov8n.data --dtype quantized --model-quantize yolov8n_uint8.quantize --batch-size 1 --save-fused-graph --target-ide-project 'linux64' --with-input-meta yolov8n_inputmeta.yml --postprocess-file yolov8n_postprocess_file.yml --output-path ovxlib/yolov8n/