# onnx2kmodel

**Repository Path**: hmilycheng/onnx2kmodel

## Basic Information

- **Project Name**: onnx2kmodel
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-10
- **Last Updated**: 2026-02-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 1. 下载并安装conda

（1）下载Miniconda3-latest-Windows-x86_64.exe

[https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda-latest-Windows-x86_64.exe](https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda-latest-Windows-x86_64.exe)

（2）双击下载的 .exe 文件，按提示操作：

（3）选择安装类型：建议选 Just Me（仅当前用户）

（4）安装路径：可保持默认（如 C:\Users\你的用户名\miniconda3）或自定义（注意路径不要包含中文和空格）

（5）高级选项：强烈建议勾选 Add Miniconda3 to my PATH environment variable（将 conda 添加到环境变量），这样可以在任何命令行中直接使用 conda 命令。

（6）点击 Install 等待完成。

# 2. 创建env环境

（1）安装
```
conda create -n yolo_cpu python=3.12.9
```



（2）切换至yolo_cpu虚拟环境

```
conda activate yolo_cpu
```

# 3. 安装yolo环境

```
pip install ultralytics
```

# 4.Python训练PT模型

```
yolo detect train data=./dataset/coco8.yaml model=yolov8n.pt imgsz=320 epochs=10 project=output name=my_yolov8_run
```

我们一起来看一下这个训练模型的命令组成：

yolo detect train:
这个命令表示开始YOLO模型的目标检测（detect）训练（train）过程。yolo是YOLO系列的工具命令，detect指示这是一个目标检测模型的训练任务

data=dataset/coco8/coco8.yaml这里指定了训练所用数据集的配置文件路径。

model=yolov8n.pt:这个参数指定了预训练模型的路径。yolov8n.pt表示使用YOLOv8的预训练模型。 注意：目前仅支持yolov8n的预训练模型

imgsz=320:这个参数指定了输入图像的尺寸。imgsz=320表示将输入图像的大小调整为320x320像素，适应YOLOv8模型的要求。图片输入尺寸决定了训练时输入图像的缩放比例，通常较小的图像尺寸有助于加快训练速度，但可能影响模型的精度。 注意：目前仅支持320或640这两个尺寸

epochs=10: 这个参数指定了训练的轮数。epochs=10表示模型将经过10个完整的训练周期，也就是对所有训练数据集进行10次完整的训练。

project=output :这个参数指定了训练结果保存的文件夹位置。project=output表示训练的输出结果（如模型权重、日志、图像等）将保存到名为output的文件夹中。

name=my_yolov8_run:这个参数指定了当前训练实验的名称。name=my_yolov8_run表示当前训练实验的名称为my_yolov8_run，这个名称会用作保存模型、日志等文件的目录名。

训练成功后观察Custom_Model文件夹下生成一个名为output的文件，其中训练好的模型文件在Custom_Model\output\my_yolov8_run\weights目录中。

best.pt    最好的一次训练结果
last.pt    最后一次训练结果


# 5.PT模型转ONNX模型


```
yolo export model=runs\detect\output\my_yolov8_run\weights\best.pt format=onnx imgsz=320 dynamic=False
```

完成后，best.onnx文件将出现在以下路径： runs\detect\output\yolov8n_out\weights


# 6. 安装支持库
 
（1）下载nncase-2.10.0-cp312-cp312-win_amd64.whl

[https://github.com/kendryte/nncase/releases/download/v2.10.0/nncase-2.10.0-cp312-cp312-win_amd64.whl](https://github.com/kendryte/nncase/releases/download/v2.10.0/nncase-2.10.0-cp312-cp312-win_amd64.whl)

（2）  升级pip到26.0.1

```
python.exe -m pip install --upgrade pip
```

（3）  安装nncase-2.10.0-cp312-cp312-win_amd64.wh

```
pip install nncase-2.10.0-cp312-cp312-win_amd64.wh
```

（4）  安装其他支持包

```
pip install -r requirements.txt
```

（5）  安装nncase_kpu-2.10.0-py2.py3-none-win_amd64.whl

```
pip install nncase_kpu-2.10.0-py2.py3-none-win_amd64.whl
```

# 7.  数据集及配置文件的准备

（1）在Custom_Model文件夹，在里面新建一个名为"application"的文件夹。

（2）将 coco8.yaml文件和 images文件夹从Custom_Model\dataset\coco8 复制到 application文件夹中。

（3）将best.onnx文件从 Custom_Model\output\my_yolov8_run\weights复制到同一个 application文件夹中。

（4）将 coco8.yaml重命名为 data.yaml 。

# 8.  将onnx模型量化为二哈2部署包zip

（1）下载ONNX模型转二哈2安装包GUI工具包

[https://img.dfrobot.com.cn/wikicn/5cabf4771804207b131ae8cb/af0995304985f4b2fb92430e7ece8ab2.zip](https://img.dfrobot.com.cn/wikicn/5cabf4771804207b131ae8cb/af0995304985f4b2fb92430e7ece8ab2.zip)


（2）安装.NET 7.0 SDK (v7.0.410)

[https://builds.dotnet.microsoft.com/dotnet/Sdk/7.0.410/dotnet-sdk-7.0.410-win-x64.exe](https://builds.dotnet.microsoft.com/dotnet/Sdk/7.0.410/dotnet-sdk-7.0.410-win-x64.exe)

（3）启动GUI工具

```
python app.py
```

（1）点击模型转换软件中的名为Custom Directory的按钮，选择刚刚我们建好的application文件夹进行上传。

（2）点击 Select Icon按钮，找到onnx2kmodel-master里的icon图片，点击上传。这张图片将作为模型上传至HUSKYLENS 2里的icon。您也可以自主上传icon图片，建议icon图为分辨率60*60，带有透明背景、白线图标的PNG图片。

（3）设置应用名称。
在AppName板块设置模型应用对应的中文名称和英文名称，如下图我想将训练好的YOLO模型主要用于识别超市商品，便可命名为商品识别，对应英文为Product Recognition.

（4）点击Convert and Package按钮，当please wait消失、Convert and Package按钮复原，代表着模型转换完成。

# 9. 二哈2上安装应用

（1）将zip安装包拷贝到二哈MTP设备的 Huskylens\storage\installation_package 目录

（2）打开二哈 模型安装（Model Installation），选择本地安装（Local Installation），应用就安装好了，回到主界面可以查看