1.开发环境
Linux环境：Ubuntu22.04
Windows环境： VMware+Ubuntu22.04
VMware安装教程：https://www.cnblogs.com/fuzongle/p/12760193.html
相关镜像下载：https://mirrors.bfsu.edu.cn/#
2.材料准备：
(X86环境)
SDK：SOPHONSDK 3.0.0（https://developer.sophgo.com/site/index/material/22/all.html）
Docker：（Ubuntu18.04）（https://developer.sophgo.com/site/index/material/25/all.html）
YOLOv5源代码：
https://github.com/ultralytics/yolov5
（开发板）
YOLO运行代码：
https://github.com/VACUUMSONG/sophpi-shaolin/tree/master/yolov5
3.步骤（视频教学：https://www.hw100k.com/play?id=158&chapterId=1356）
1.安装Docker
结果：
2.安装相关依赖
3.下载并修改YOLOv5源代码
4.配置Python环境并添加依赖
5.模型训练
python3 -m bmnetp --mode="compile" \
--model=yolov5s.torchscript.640.1.pt \
--outdir=yolov5s_fp32_b1 \
--target="BM1684" \
--shapes=[[1,3,640,640]] \
--net_name=yolov5s_fp32_b1 \
--opt=2 \
--dyn=False \
--cmp=True \
--enable_profile=True
结果：
在开发板上：
python3 yolov5_bmcv_3output.py --bmodel ../data/models/yolov5s_640_coco_v6.1_3output_fp32_1b.bmodel --input ../data/images/dog.jpg
结果：
就是在开发板上的YOLOv5目录中有output目录，该目录保存处理后的图像，该图像中的目标会被矩形标记。