rk3588 部署yolov8.rknn

本文从步骤来记录在rk3588芯片上部署yolov8模型

主机：windows10  VMware® Workstation 16 Pro

硬件：RK3588 EVB板

模型： RK3588.rknn

软件开发环境： c++  cmake

step1:

主机上执行：

将rknn_model_zoo 工程文件下载， 之前在采用yolov5部署在rk3588上时采用的是rockchip官方rknpu2工程，注意：此工程（rknn_model_zoo）可以部署yolov5~yolov8,yolovx

git clone https://github.com/airockchip/rknn_model_zoo.git

step2:

主机上执行

直接下载yolov8s.pt模型

wget https://github.com/ultralytics/assets/releases/download/v8.1.0/yolov8s.pt

step3:

主机上执行

下载rockchip版本的yolov8->ultralytics_yolov8

git clone https://github.com/airockchip/ultralytics_yolov8.git
cd /home/rock/src/ultralytics_yolov8-main/  
export  PYTHONPATH=./
python3   ultralytics/engine/exporter.py

 此时会在路径下生成yolov8s.onnx模型

我的路径为： /home/rock/src/ultralytics_yolov8-main

step4:

在主机上执行

cd /home/rock/src/rknn_model_zoo-main/examples/yolov8/python
python3  convert.py ../model/yolov8s.onnx  rk3588

 将会得到一个yolov8s.rknn模型

此时，将rknn模型下发到开发板中

step5:

在开发板端 下载rknn_model_zoo 工程,执行以下命令即可， 其中的路径改为自己当前的路径

git clone https://github.com/airockchip/rknn_model_zoo.git
cd  /home/rockchip/src/rknn_model_zoo/install/rk3588_linux_aarch64/rknn_yolov8_demo
sudo ./rknn_yolov8_demo  ~/yolov8.rknn  model/bus.jpg

运行效果图如下：

疑问： 为啥同样的硬件平台， yolov8耗时50+ms ，yolov5耗时才20+ms