模型转换说明：

# 1、环境准备（镜像版或源码版）:
*docker镜像版安装：w4a8quant-1.7.6.tar.gz

*源码版安装：ppq-xs-1.7.6   （pip -r requirements.txt）

# 2、模型从.pt转.onnx：
yolov5系类参考脚本：
```
https://github.com/ultralytics/yolov5/blob/master/export.py
```

yolov8/yolov11系类参考脚本：
```
https://github.com/ultralytics/ultralytics/blob/main/tests/test_exports.py
```

# 3、模型从.onnx转换到.axmodel
模型配置文件（通用）：
```
config/config_spec.yaml
```

#### 模型及量化数据准备：
准备量化图片（建议使用训练的图片数据10~100张）,将图片路径保存为文件列表filelist.txt
修改配置文件如下：
```
data: 
  path: filelist.txt   #quantize calibration dataset,only support images list now. 
```

#### 准备onnx模型：
修改配置文件模型路径：
```
model: 
  path: deploy.onnx    #input model file path. type: string. required: true.
```

修改配置文件模型信息，如下：
```
  input_shape:   # onnx model input shape
  - 1
  - 3
  - 640
  - 640
  mean: 
  - 0
  std: 
  - 255
```

修改生成axmodel文件名，如下：
```
deploy:
	NPUDeploy: true   # enable generate axmodel
	export: true      # enable generate quant model
	output_bin_name: deploy.axmodel  #rename output axmodel. type: string. required: false. default: compiled.axmodel.
```

#### config修改完成后，转换命令如下：
```
python app/ppq-xs/Helium/myes.py --config config/config_spec.yaml 
```

# 4、板端运行sample, 目前提供yolov5、yolov8两个模型参考示例
```
samples/demo_yolov5
samples/demo_yolov8
```

该示例可以直接运行并绘制出目标框，对用户自己的模型，需修改如下地方：
#### 修改模型位置,替换该目录下的模型：
```
/data/model/deploy.axmodel
```

#### 修改模型检测类别数：
文件位置：src/detech.h，修改如下：
```
/***************************************************************************************************
* 宏定义
***************************************************************************************************/
#define DET_LABEL_NUM (80)  // 对应类别数
```

#### 修改模型输入shape：
文件位置：xpu_infer.cpp，修改如下：
```
static int gXpuTestNetWidth  = 640; // 网络宽度
static int gXpuTestNetHeight = 640; // 网络高度
```

#### 修改完成后，板端加载ko驱动
运行目录下run.sh即可