[FAQ] [参考译文] [常见问题解答] AM62A7-Q1：以 AM62A、YOLOV8 nano 上部署 MMYOLO 为例。

admin

请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。

https://e2e.ti.com/support/processors-group/processors/f/processors-forum/1457711/faq-am62a7-q1-deploy-mmyolo-on-am62a-yolov8-nano-as-example

器件型号：AM62A7-Q1

工具与软件：

MMYOLO 是一个用于快速进行 YOLO 模型评估的开源存储库。在 AM6x 或 TDAx 等 TI 处理器上部署 MMYOLO 需要对此存储库进行一些修改。

此常见问题解答以 yolov8为例来演示如何在 TI SOC 上运行 Yolo 模型。

10 个月前

0 admin 10 个月前

TI__Guru**** 2481465 points

请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。

步骤1设置所有必需的环境

我们建议使用 pyenv 来管理环境。请按照以下步骤安装 pyenv : https://github.com/TexasInstruments/edgeai-tensorlab/blob/3de61dfa503c408346c3bcd029f49a25e42a8a73/edgeai-benchmark/docs/setup_instructions.md#environment

然后为每个存储库设置环境：

MMYOLO ：

下载补丁文件： https://github.com/user-attachments/files/16469333/0001-2024-Aug-2-mmyolo.commit-8c4d9dc5.-model-surgery-with-edgeai-modeloptimization.txt

git clone github.com/.../mmyolo.git
git checkout 8c4d9dc5
git am 0001-mmyolo.commit-8c4d9dc5.-model-surgery-with-edgeai-modeloptimization.txt

该补丁将修改 onnx 的部署过程以及模型实现。

使用 pyenv 创建一个新的虚拟 Python env。

pyenv virtualenv 3.10 mmyolo
pyenv activate mmyolo

安装要求：

cd mmyolo
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url download.pytorch.org/.../cu118
./setup.sh
mim install -v -e .
pip install albumentations==1.3.1
pip install numpy==1.26.4
pip install onnxruntime

有关更多详细信息、请参阅 https://github.com/TexasInstruments/edgeai-tensorlab/issues/7

EDGEAI 基准测试：

git clone github.com/.../edgeai-tensorlab.git

在新终端中创建新的 pyenv：

pyenv virtualenv 3.10 benchmark
pyenv activate benchmark

运行基准测试设置：

cd edgeai-tensorlab/edgeai-benchmark
git checkout 3de61dfa503c408346c3bcd029f49a25e42a8a73
./setup_pc.sh

注意：本常见问题解答中使用了 SDK 10.0.x。

0 admin 10 个月前

TI__Guru**** 2481465 points

请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。

步骤2下载数据集并在 mmyolo 中训练模型

cd mmyolo

按照说明下载数据集： https://github.com/open-mmlab/mmyolo/blob/8c4d9dc503dc8e327bec8147e8dc97124052f693/docs/en/useful_tools/download_dataset.md

训练模型：

python tools/train.py configs/yolov8yolov8_n_syncbn_fast_8xb16-500e_coco.py --model-surgery 2

0 admin 10 个月前

TI__Guru**** 2481465 points

请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。

步骤3在火炬环境中测试和验证您受过训练的体重：

python tools/test.py configs/yolov8/yolov8_n_syncbn_fast_8xb16-500e_coco.py work_dirs/yolov8_n_syncbn_fast_8xb16-500e_coco/yolov8_nano_lite_640x640_20231118_checkpoint.pth --model-surgery 2 --show-dir show_results

使用 TI 培训的 stat_dict 进行基准测试