ncnn

序言
之前一篇文章写yolox的训练，这篇文章写一下关于部署，yolox之所以刚出来就这么火爆，不仅是精度高、速度快，很大程度上还是因为直接把部署的代码叶开源了，可谓是从训

目标检测 YOLOv5根据配置改变网络的深度和宽度
flyfish
深度可以理解为网络的层数 宽度可以理解为网络层输出通道的大小
以配置文件 yolov5s.yaml 为例
# parameters
nc: 80 # number o

目录
一、依赖安装
二、下载并编译ncnn  
三、测试yolov4
利用darknet2ncnn生成param和bin文件
先下载yolov4项目：
准备yolov4.cfg和yolov4.weights
生成pa

成功跑通写的总结
部署环境 1.ubuntu18 2.opencv4.5.1 3.树莓派4b
一、编译ncnn 1.ncnn环境配置
sudo apt-get install -y gfortran
sudo apt-get instal

yolox_nano模型的参数量极小，并且有着一定的准确度而被使用到手机端的yolox部署： yolox_nano训练命令：
python tools/train.py -f exps/example