# yolov7-ncnn-pnnx

**Repository Path**: sun-zhenxing/yolov7-ncnn-pnnx

## Basic Information

- **Project Name**: yolov7-ncnn-pnnx
- **Description**: NCNN/PNNX 部署 YOLOv7
- **Primary Language**: Unknown
- **License**: BSD-3-Clause
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2022-09-24
- **Last Updated**: 2024-08-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# YOLOv7 NCNN

代码部分移植自 NCNN 项目源码，请遵循原协议 BSD-3 使用本项目。

本项目使用 CMake，确认 CMake 可用，版本大于 3.9，并确保本机编译环境支持 C++17 。

需要的依赖：
- OpenCV
- VulkanSDK

## 初始化项目

将 NCNN 官方发布的 `ncnn-20220729-windows-vs2019-shared.zip` 下载并解压到 `lib` 文件夹下面，本项目需要的目录结构为 `lib/ncnn/x64/` 。

如果是使用 VS Code 调试，请将 `settings.json` 的 `"cmake.environment"` 字段内容替换为本机的环境依赖，包括 OpenCV 和 Vulkan，并 替换 `c_cpp_properties.json` 文件中的 `"includePath"`，将 OpenCV 的 `Include` 地址复制到此。

如果使用 Linux 系统进行编译，编译前使用 `export` 命令传递本机依赖地址:

```bash
export OPENCV=...
export VULKAN_SDK=...
```

## 编译代码

```bash
cmake . -A x64
cmake --build . --config Release -j 6
```

使用 VS Code 编译：
- Windows 使用 VS 作为编译后端
- Linux 使用 GUN 编译套件作为编译后端
- 选择 CMake：Release
- 选择后端为 VS[2017 | 2019 | ...] | GUN gcc：AMD64（x64）
- CMake：Configure
- CMake：Build

构建完成发布时除了要将对应模型文件复制到可执行文件所在目录，还需要复制以下依赖：
- `ncnn.dll` 或者 `ncnn.so`
- `opencv_world[4xx].dll` 或者 `opencv_world[4xx].so`

部署示例：
- `ncnn.dll`
- `opencv_world460.dll`
- `yolov7-pnnx.bin`
- `yolov7-pnnx.param`
- `yolov7pnnx.exe`

如果 `opencv_world[4xx].dll` 过大，可以选择部分编译，使用 CMake 手动编译 OpenCV 源码即可。

## 转换模型

部分模型可以在 [ncnn-assets](https://github.com/nihui/ncnn-assets/tree/master/models) 下载。

下载 [pnnx](https://github.com/pnnx/pnnx) 最新的 Release 版本并安装。

转换模型：

```bash
git clone https://github.com/WongKinYiu/yolov7
cd yolov7
wget https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pt
python export.py --weights yolov7.pt
pnnx yolov7.torchscript.pt inputshape=[1,3,640,640] inputshape2=[1,3,320,320]
```

得到 `yolov7.torchscript.ncnn.param` 和 `yolov7.torchscript.ncnn.bin` 即为 PNNX 模型文件。

如果需要转换其他 `.onnx` 模型到 NCNN，参考网络上如何使用 `onnx2ncnn` 来转换和简化模型的相关内容。