yolov8还没玩溜，yolov11又来了，那么部署也又来了。

特别说明：如有侵权告知删除，谢谢。

完整代码：包括onnx转rknn和测试代码、rknn板端部署C++代码

【onnx转rknn和测试代码】

【rknn板端部署C++代码】

1 模型训练

yolov11训练官方开源的已经非常详细了，参考官方代码。

2 导出 yolov11 onnx

导出onnx修改以下几处。

第一处：修改导出onnx的检测头

<code> # 导出 onnx 增加

y = []

for i in range(self.nl):

t1 = self.cv2[i](x[i])

t2 = self.cv3[i](x[i])

y.append(t1)

y.append(t2)

return y

第二处：增加保存onnx代码

<code> print("=========== onnx =========== ")

import torch

dummy_input = torch.randn(1, 3, 640, 640)

input_names = ["data"]

output_names = ["reg1", "cls1", "reg2", "cls2", "reg3", "cls3"]

torch.onnx.export(self.model, dummy_input, "/root/zhangqian/ultralytics-main/yolov11n_80class_ZQ.onnx",

verbose=False, input_names=input_names, output_names=output_names, opset_version=11)

print("======================== convert onnx Finished! .... ")

修改完以上两处，运行以下代码：

from ultralytics import YOLO

model = YOLO(model='yolov11n.pt') # load a pretrained model (recommended for training)code>

results = model(task='detect', source='./test.jpg', save=True) # predict on an imagecode>

特别说明： 修改完以上两处后运行会报错，但不影响onnx的生成；生成onnx后强烈建议用from onnxsim import simplify 处理一下再转rknn。

3 测试onnx效果