Upload 2 files

models/readme.txt

@@ -0,0 +1,61 @@
+#模型修改说明：
+为了适配5x系列NPU，Yolo系列模型结构需要做一些修改，这里以ultralytics项目的YoloV8检测模型为例，需要修改如下：
+项目官方位置：
+```
+https://github.com/ultralytics/ultralytics
+```
+
+### 1、修改激活函数：
+5x系列NPU不支持silu算子，因此激活函数需要修改act为leaky relu或relu算子，修改的文件如下：
+```
+https://github.com/ultralytics/ultralytics/blob/main/ultralytics/nn/modules/conv.py
+```
+将第50行修改为:
+```
+   default_act = nn.LeakyReLU()   # default activation
+```
+或者：
+```
+   default_act = nn.ReLU()    # default activation
+```
+
+### 2、模型最大channel数限制：
+5x系列NPU支持最大的channel数为：1024，如果模型结构的某一层的channel数大于1024，需要将该层的channel数修改为<=1024;
+channel数可以再模型yaml描述文件中进行修改，yolov8.yaml文件位置：
+```
+https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/models/v8/yolov8.yaml
+```
+
+### 3、模型重训练及onnx导出
+基于上述2处修改完成后，对模型进行重训练，生成训练模型：yolov8n.pt，然后进行onnx导出;
+
+ultralytics导出yolov8模型onnx的代码如下：
+```
+from ultralytics import YOLO
+model = YOLO("yolov8n.pt")
+path = model.export(format="onnx", imgsz=640, opset=11)  # 返回导出模型的路径
+```
+*注意：opset需设置为11，imgsz根据需要进行设置
+
+但是直接导出的onnx会将模型head部分的decode_bboxes算子带上，导致工具转换无法通过，decode_bboxes算子5x系列npu无法支持，需要通过cpu进行实现，
+所以导出onnx不能带上decode_bboxes部分，需要进行修改：
+修改文件：
+```
+https://github.com/ultralytics/ultralytics/blob/main/ultralytics/nn/modules/head.py
+```
+将125行代码：
+```
+y = self._inference(x)
+```
+修改为：
+```
+if self.export:
+    y = x
+else:
+    y = self._inference(x)
+```
+
+或者使用第三方工具手动裁剪onnx
+
+### 模型转换生成axmodel及上板测试
+参考：

models/yolov8n.onnx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:e2f09e6e00fe63c38e5066128696d959d3fd532eb305f29736dc1c8e29472823
+size 12641024