RDK X5如何部署yolov11

像RDK，RK这种带BPU，NPU的INT算力处理单元的开发板，一般要部署模型都要先进行从float32量化成int8或者int16。本文整理一遍其他教程方便记录。

参考的文章：

RDK论坛帖子：YOLOv11，地瓜RDK X5开发板，TROS端到端140FPS！

这里主要记录差异点：这一部分其实可以直接修改pip下载的ultralytics包的源码而不用卸载ultralytics整个包并且拉取ultralytics的git仓库源码：假设你的Python虚拟环境路径为~/yolov11-env/ 那么在 ~/yolov11-env/lib/python3.11/site-packages/ultralytics/nn/modules 路径下就能找到head.py，注意不同版本的ultralytics 里面的Detect类的forward方法所在的位置不一样。

其他的内容就按照参考文章来对于github官方文档：YOLOv11 Detect和 RDK论坛帖子：RDKx5板载yolov11我也是成功了！里面提及的移除bbox信息3个输出头的反量化节点如果不是追求极致推理速度可以跳过，后处理的时候注意一下一下这个几个反量化节点就可以了。怎么区别是bbox还是class，可以根据hb_model_modifier.log：


通道数 64：通常是 YOLO 的 bbox head（3 anchor * (x,y,w,h) = 12 per anchor → e.g., 34class）

通道数 xx：是你的分类数量（如 COCO 数据集 80 类）

cv2 分支：通常为 bbox（box regression）

cv3 分支：通常为 class（class confidence）

比如我的模型分类数是4，有这样的hb_model_modifier.log文件，找到中间的地方，看到value_info附近：


2025-07-05 08:47:30,819 file: hb_model_modifier.py func: hb_model_modifier line No: 404 --------value_info----------
2025-07-05 08:47:30,819 file: hb_model_modifier.py func: hb_model_modifier line No: 406 name: "/model.23/cv2.1/cv2.1.2/Conv_output_0_quantized"
type {
 elem_type: INT32
 dim: 1
 dim: 40
 dim: 40
 dim: 64
}

2025-07-05 08:47:30,819 file: hb_model_modifier.py func: hb_model_modifier line No: 406 name: "/model.23/cv3.1/cv3.1.2/Conv_output_0_quantized"
type {
 elem_type: INT32
 dim: 1
 dim: 40
 dim: 40
 dim: 4
}

2025-07-05 08:47:30,819 file: hb_model_modifier.py func: hb_model_modifier line No: 406 name: "/model.23/cv2.2/cv2.2.2/Conv_output_0_quantized"
type {
 elem_type: INT32
 dim: 1
 dim: 20
 dim: 20
 dim: 64
}

2025-07-05 08:47:30,820 file: hb_model_modifier.py func: hb_model_modifier line No: 406 name: "/model.23/cv3.0/cv3.0.2/Conv_output_0_quantized"
type {
 elem_type: INT32
 dim: 1
 dim: 80
 dim: 80
 dim: 4
}

2025-07-05 08:47:30,820 file: hb_model_modifier.py func: hb_model_modifier line No: 406 name: "/model.23/cv2.0/cv2.0.2/Conv_output_0_quantized"
type {
 elem_type: INT32
 dim: 1
 dim: 80
 dim: 80
 dim: 64
}

2025-07-05 08:47:30,820 file: hb_model_modifier.py func: hb_model_modifier line No: 406 name: "/model.23/cv3.2/cv3.2.2/Conv_output_0_quantized"
type {
 elem_type: INT32
 dim: 1
 dim: 20
 dim: 20
 dim: 4
}

那么反量化的节点就是除了dim: 4以外的三个