下载yolov5n模型到~/yolo_projects/yolov5

git clone https://github.com/ultralytics/yolov5.git ~/yolo_projects/yolov5

有时执行git clone 命令克隆仓库会出现如图所示的超时现象，多试两次就可以了

在幽兰通过 pip install 安装并推理

1. 安装 Python3 和 pip3。

   sudo apt-get install python3 python3-dev python3-pip

   可以通过下面命令检查是否安装完成：

   # 检查 Python 版本
   python3 --version
   
   # 检查 pip 版本
   pip3 --version

   

2. 克隆 rknn-toolkit2 仓库到 ~/yolo_projects 目录

git clone https://github.com/rockchip-linux/rknn-toolkit2.git ~/yolo_projects/rknn-toolkit2

4. 进入rknn-toolkit2工程目录

cd ~/yolo_projects/rknn-toolkit2

5. 安装必要相应版本的依赖包。

   下载项目的依赖管理文件requirements.txt

   wget https://gitee.com/mofeitekk/yolov5n.rknn/raw/master/requirements.txt?raw=true -O ~/yolo_projects/rknn-toolkit2/doc/requirements.txt

   安装Python 依赖包 依赖包

   pip3 install -r doc/requirements.txt --break-system-packages

   安装 RKNN-Toolkit2 依赖库

   cd ~/yolo_projects
   git clone https://github.com/rockchip-linux/rknpu2.git
   cd rknpu2/runtime/RK3588/Linux/librknn_api/aarch64 
   sudo cp ./librknnrt.so /usr/lib/

在幽兰部署模型

1. 创建测试目录，下载depoly.py

   mkdir ~/yolo_projects/yolov5n_test
   cd ~/yolo_projects/yolov5n_test
   wget https://gitee.com/mofeitekk/yolov5n.rknn/raw/master/deploy.py?raw=true -O deploy.py

2. 下载yolov5n.rknn

wget https://gitee.com/mofeitekk/yolov5n.rknn/raw/master/yolov5n.rknn?raw=true -O yolov5n.rknn

3. 把rknn-toolkit2/examples/onnx/yolov5/bus.jpg拷贝到当前目录（~/yolo_projects/yolov5n_test）下。

cp ~/yolo_projects/rknn-toolkit2/rknn-toolkit2/examples/onnx/yolov5/bus.jpg ./

当前目录如下(~/yolo_projects/yolov5n_test)：

然后执行如下命令：

python deploy.py

成功识别图像

4. 切换识别的图片

在脚本184行指定了识别的图片的路径，上传需要识别的图片，然后修改路径即可

vim deploy.py

如果运行deploy.py时遇到如图问题，这是rknpu驱动未成功加载：

解决方法，重启幽兰，重新加载驱动，然后再次运行deploy.py

sudo reboot