中间细节都一样，均可参考：https://raychiu.blog.csdn.net/article/details/122534656

一到四步这些模型转化生成都在服务器上操作即可，比较快，最后的param和bin发送到树莓派使用即可。

一、下载代码和模型并转onnx

#模型在百度云盘密码pogg,模型名字是v5lite-s.pt自行更正为yolov5-lite.pt
https://pan.baidu.com/share/init?surl=j0n0K1kqfv1Ouwa2QSnzCQ
#下载代码并转onnx
git clone https://github.com/ppogg/YOLOv5-Lite.git
python models/export.py --weights weights/yolov5-lite.pt --img 640 --batch 1
python -m onnxsim weights/yolov5-lite.onnx weights/yolov5-lite-sim.onnx

二、配置ncnn环境并生成param和bin

~/data/packages/ncnn/build/tools/onnx/onnx2ncnn ./yolov5-lite-sim.onnx yolov5-lite.param yolov5-lite.bin
~/data/packages/ncnn/build/tools/ncnnoptimize yolov5-lite.param yolov5-lite.bin yolov5-lite-opt.param yolov5-lite-opt.bin 65536

三、改param文件设置动态尺寸推理

四、匹配ncnn中yolov5.cpp的输出

param中的：

 

yolov5.cpp中的：

 

 

 五、树莓派上重新编译ncnn并拿来其他服务器上生成的param和bin文件推理

未量化的模型执行较慢，大概0.5fps吧