用户您好，请详细描述您所遇到的问题：
- 系统软件版本：x3pi_ubuntu_v1.0.2
- 问题涉及的技术领域： 使用自训练的yolov5模型进行模型验证、转换、推理
- 问题描述：
1）在yolov5中使用自己的数据集训练得到best.pt文件；
2）利用yolov5自带的export.py将.pt模型转化成.onnx模型，其中opset_version=11，image_size=(672, 672);
3）将转换好的onnx模型放至地平线官方的oe包中对应的文件下，依次进行01_check.sh，02_preprocess.sh，03_build.sh后，正常输出得到.bin模型文件；
4）将上述得到的bin文件放入x3_pi自带的test_yolov5.py中，与postprocess.py共同处理模型，通过查看该模型的output，修改postprocess.py的部分代码，如图：
1.修改35-39行代码
2.模型的output如下
5)运行test_yolov5.py后，报错：
pred_sbbox = model_output[0].buffer.reshape([1, 84, 84, 3,
ValueError: cannot reshape array of size 166698 into shape (1,84,84,3,6)
6）运行04_inference.sh也会出现上述报错
现在不知道应该怎么修改代码，请求官方和大佬的帮助，不胜感激！！！
代码及.bin模型已上传进附件。
代码及模型附件_20230208222921.zip
你好，请问下为啥我的模型在Netron里面的output只有一层总的，没有像你一样分成三个；还有个问题就是为啥我地平线/usr/local/lib/python3.8/dist-packages下面没有yolov5这个文件夹
这里很明显是你导出的输出层有问题导致的
1.首先到yolo.py里面对Detect层里面的forward做修改
def forward(self, x):-
z = # inference output-
for i in range(self.nl):-
x[i] = self.m[i](x[i]) # conv-
bs, by, ny, nx = x[i].shape # x(bs,255,20,20) to x(bs,3,20,20,85)-
x[i] = x[i].view(bs,by,ny,nx).permute(0,2,3,1).contiguous()-
# if not self.training: # inference-
# if self.grid[i].shape[2:4] != x[i].shape[2:4] or self.onnx_dynamic:-
# self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i)-
# y = x[i].sigmoid()-
# if self.inplace:-
# y[…, 0:2] = (y[…, 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy-
# y[…, 2:4] = (y[…, 2:4] * 2) ** 2 * self.anchor_grid[i] # wh-
# else: # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953-
# xy = (y[…, 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i] # xy-
# wh = (y[…, 2:4] * 2) ** 2 * self.anchor_grid[i] # wh-
# y = torch.cat((xy, wh, y[…, 4:]), -1)-
# z.append(y.view(bs, -1, self.no))-
return x
2.在detect里面 进行导出
将device里面改成cpu，然后对输入模型进行model.float()
请问你说的这个“detect”在哪里呀？我没有找到诶，是yolov5的detect.py吗?
你好，是在这里文件夹找到yolo.py 和detect.py，然后进行修改吗？抱歉，我是在刚入门，抱歉一直打扰您了
首先，你在PC端训练完之后获取到了best.pt文件，文件需要转换为onnx-opset11之后。对于地平线官网给的python代码里面的不是完整的yolo代码，是经过裁剪的，将输出层裁剪掉的。所以需要在进行pt转onnx之前需要进行修改，首先需要在pc端yolo代码中对yolo.py里面的Detect进行修改上图已经发给你了。
然后在yolo代码中的detect.py里面添加如上图二的地方修改，不需要全部执行，通过调试执行
dummy = torch.zeros(1, 3, 640, 640).float()-
torch.onnx.export(-
model, (dummy,),-
“deepsort_yolov5.onnx”,-
input_names=[“image”],-
output_names=[“output”],-
opset_version=11
