yolov5 部署到rk3588 教程来自
yolov5训练pt模型并转换为rknn模型，部署在RK3588开发板上——从训练到部署全过程_yolov5 rknn-CSDN博客
1.通过android studio 部署代码在rk3588板子上运行代码
项目来源
rknn-toolkit2/rknpu2/examples/rknn_yolov5_android_apk_demo at master · rockchip-linux/rknn-toolkit2 (github.com)
在这个教程中
2.yolov5版本和onnx版本必须一致
3.激活函数
根据此教程中的yolov5最好是修改为rule激活函数所训练的，yolov5更换激活函数教程：
更换YOLOv5激活函数_yolov5中silu改成relu-CSDN博客
4.在上文的教程中，test.py文件里的量化不可以关闭， anchors需要修改为训练模型的python代码里 anchors
如果是rk3588板子则记得修改test.py 中的
rknn.config(mean_values=[[0, 0, 0]], std_values=[[255, 255, 255]],target_platform='rk3588')
anchors 在test.py文件的 yolov5_post_process(input_data) 函数
5. 在android studio的项目中同样也要修改anchors
在 post_process.cc 这个文件中，在211行左右，修改anchors
例如：
int anchor0[6] = {25, 59, 18, 99, 57, 76};
int anchor1[6] = {32, 164, 62, 217, 147, 165};
int anchor2[6] = {85, 388, 179, 457, 421, 368};
6.除了第一个教程里所说的test.py里需要修改CLASS分类，我们部署到android studio 的项目也需要修改CLASS参数
post_process.cc 文件第29行左右
define OBJ_CLASS_NUM 1