yolov8训练的模型文件转换至Android应用使用

模型.pt -onnx-ncnn转换训练模型

下面1，2两点说到的源码最好备份一下，训练模型时需要恢复原始代码，否则训练可能会报错，这里修改只是为了转换模型使用

1. ultralytics/ultralytics/nn/modules/block.py中的class C2f(nn.Module)如下：

def forward(self, x):
        x = self.cv1(x)
        x = [x, x[:, self.c:, ...]]
        x.extend(m(x[-1]) for m in self.m)
        x.pop(1)
        return self.cv2(torch.cat(x, 1))

2. ultralytics/ultralytics/nn/modules/head.py中的class Detect(nn.Module)改动如下：

def forward(self, x):
        shape = x[0].shape  # BCHW
        for i in range(self.nl):
            x[i] = torch.cat((self.cv2[i](x[i]), self.cv3[i](x[i])), 1)
        if self.training:
            return x
        elif self.dynamic or self.shape != shape:
            self.anchors, self.strides = (x.transpose(0, 1) for x in make_anchors(x, self.stride, 0.5))
            self.shape = shape
        # 中间部分注释掉，return语句替换为
        return torch.cat([xi.view(shape[0], self.no, -1) for xi in x], 2).permute(0, 2, 1)

3. 安装onnx包，在终端运行下面命令

pip install onnx coremltools onnx-simplifier

4. 根据官方文档，创建demo.py，将pt权重文件转换成onnx格式，代码如下

# 将模型导出为 ONNX 格式
 
from ultralytics import YOLO
 model = YOLO("runs/detect/train4/weights/best.pt")
 success = model.export(format="onnx", simplify=True, opset=11)

opset的参数（11、12、13），使用其他会造成手机上运行出现很多框重叠错误识别

5. 对onnx文件进行压缩，进入到onnx文件所在目录，运行下面命令

python -m onnxsim best.onnx best-sim.onnx

压缩后会生成一个best-sim.onnx的文件，这一步是必须的，如果这一步不做，后面ONNX转NCNN可能会报错

完成上面步骤包含pt文件的weights目录下会生成对应文件best

6. 将onnx文件转换成param、bin文件，并将best.onnx复制到该文件夹的对应位置，地址栏输入cmd后，在打开的命令行窗口输入onnx2ncnn.exe best-sim.onnx best.param best.bin回车即可，原文件夹生成了需要的bin文件和param文件
   再将bin param文件复制到相应AndroidStudio ncnn-android-yolov8项目中，生成app进行测试

参考代码：
https://github.com/Tencent/ncnn
https://github.com/FeiGeChuanShu/ncnn-android-yolov8