基于NCNN、PNNX 部署YOLOv7完整源码+训练模型+数据（课程设计）.zip

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: export OPENCV=... export VULKAN_SDK=... 编译代码 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： 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。