hb_mapper makertbin 配置文件YAML参数错误，求YOLO11n模型转换的正确配置示例

tian1234 · 2026 年9 月 12 日 08:13

我正在尝试将YOLO11n ONNX模型转换为X5芯片可用的bin文件，但一直遇到配置文件错误。

环境信息：

芯片型号：X5（应该使用bayes-e架构）
工具版本：
- hbdk: 3.49.15
- horizon_nn: 1.1.0
- hb_mapper: 1.24.3
模型信息：
- 模型文件：yolo11n_640x640.onnx
- 输入：images, shape=[1, 3, 640, 640], dtype=FLOAT32, NCHW格式
- 输出：output0, shape=[1, 5, 8400], dtype=FLOAT32
- 生产者：PyTorch v2.7.0
- ONNX版本：IR version 6, Opset [‘ai.onnx v11’, ‘horizon v1’]

遇到的错误：

第一次：Missing keys: 'input_parameters', 'model_parameters'
第二次：Wrong key 'output_model' in model_parameters
第三次：Wrong keys 'input_layout', 'input_size', 'input_type' in input_parameters
第四次：Wrong keys 'calibration_count', 'preprocess' in calibration_parameters
第五次：Input_layout_rt missing. input 0 input_type_rt is: rgb. input_layout_rt is required for this type
最新错误：None should be instance of 'dict'
具体需求：
1. 求完整的YAML配置文件示例：针对YOLO11n 640x640模型的正确配置
2. 求参数说明：
  - model_parameters中所有支持的参数名和说明
  - input_parameters中所有支持的参数名和说明
  - calibration_parameters中所有支持的参数名和说明
  - compiler_parameters中所有支持的参数名和说明
3. 求参数要求：
  - 哪些参数是必需的，哪些是可选的
  - 参数的数据类型（字符串、整数、布尔值等）
  - 参数的默认值
  - 参数之间的依赖关系（如input_type_rt为rgb时必须提供input_layout_rt）
4. 求错误解决方案：如何解决"None should be instance of ‘dict’"错误
额外信息：
- 校准数据目录：/workspace/calibration_data/images（包含100张校准图像）
- 参考示例：查看了fcos_efficientnetb0_config.yaml，但不确定参数是否完全适用
请提供针对X5芯片和YOLO11n模型的完整正确配置文件示例，谢谢！

瓜仔 · 2026 年9 月 12 日 08:16

你的报错基本都是参数名写错了：output_model、input_layout、input_size、input_type、calibration_count、preprocess 这些都不是 hb_mapper 的合法参数（别参考 fcos 那个老示例魔改，以 X5 OE 官方文档为准）。None should be instance of 'dict' 通常是因为 四个参数组（model_parameters / input_parameters / calibration_parameters / compiler_parameters）必须都存在，某个组只写了组名、下面没有内容（或缩进不对），YAML 解析成 None 就会报这个错。

针对 YOLO11n 640x640 + X5（bayes-e）的可用配置：

model_parameters:
  onnx_model: 'yolo11n_640x640.onnx'
  march: 'bayes-e'
  output_model_file_prefix: 'yolo11n'
  working_dir: './model_output'

input_parameters:
  input_name: 'images'
  input_type_train: 'rgb'
  input_layout_train: 'NCHW'
  input_shape: '1x3x640x640'
  input_type_rt: 'nv12'          # 板端接相机 nv12 数据；若离线喂 RGB 图，改成 'rgb' 并加 input_layout_rt: 'NHWC'
  norm_type: 'data_scale'
  scale_value: '0.0039215686'    # 1/255，ultralytics 导出的归一化方式

calibration_parameters:
  cal_data_dir: '/workspace/calibration_data/images'
  preprocess_on: True            # 目录里直接放 jpg/png 时开启，工具自动 resize 到 640x640
  calibration_type: 'default'

compiler_parameters:
  compile_mode: 'latency'
  optimize_level: 'O3'

转换命令（建议先 check 再 makertbin）：

hb_mapper check --model-type onnx --march bayes-e
hb_mapper makertbin --config yolo11n.yaml --model-type onnx

几个注意点：

input_type_rt: 'rgb' 时必须配 input_layout_rt（你的错误 5 就是这个）；配 nv12 时则不需要，且输入尺寸不能有奇数。
input_type_rt: 'rgb' 转出的模型输入是 int8，板端喂数据要 -128（API 已自动处理）。
所有参数的完整列表、必选/可选、默认值、依赖关系，官方文档这一页全有，对着查即可：
6.2.2.2. 模型编译命令（hb_mapper makertbin） — D-Robotics Open Explorer

tian1234 · 2026 年9 月 12 日 08:55

确实可以了，按你给的，你在哪里查的，

瓜仔 · 2026 年9 月 12 日 08:57

主要来自两份官方资料：

hb_mapper 的 YAML 参数说明（各参数含义、必选/可选、完整模板都在这一页）：
6.2.2.2. 模型编译命令（hb_mapper makertbin） — D-Robotics Open Explorer
YOLO 系列的现成配置示例：Model Zoo / 模型转换示例仓库（horizon_model_convert_sample）里有各 YOLO 模型（含 YOLO11）的 yaml 和转换脚本，照着改输入尺寸和校准集路径即可：
1 Model Zoo 概述 | Model Zoo DOC

以后遇到转换报错，优先对着第 1 个链接里的参数表检查字段名和取值（比如 march: 'bayes-e' 对应 X5），基本都能定位。更多资料也可以从 RDK 资料中心入口找：RDK 资料中心

tian1234 · 2026 年9 月 12 日 09:07

你这个参数说明太多了，那是我看了点进去好多好多，但是我最终目的还是直接训练好，直接给我能用的指令

就好了

瓜仔 · 2026 年9 月 12 日 09:09

给一套 YOLO11n 能直接跑的最小配置（以 RDK X5 为例，640×640 输入，摄像头 nv12 喂图）：

1. 导出 ONNX（训练机上执行）

from ultralytics import YOLO
YOLO('yolo11n.pt').export(format='onnx', imgsz=640, simplify=True, opset=11)
# 自己训练的就把 yolo11n.pt 换成 runs/detect/train/weights/best.pt

2. 转换配置 yolo11n.yaml

model_parameters:
  onnx_model: 'yolo11n.onnx'
  march: 'bayes-e'                # X5 用 bayes-e，X3 用 bernoulli2
  output_model_file_prefix: 'yolo11n'
  working_dir: './model_output'

input_parameters:
  input_type_train: 'rgb'
  input_layout_train: 'NCHW'
  input_shape: '1x3x640x640'
  norm_type: 'data_scale'
  scale_value: 0.0039215686       # 即 1/255
  input_type_rt: 'nv12'

calibration_parameters:
  cal_data_dir: './cal_data'      # 放 50~100 张训练集 jpg 即可
  cal_data_type: 'uint8'
  preprocess_on: True             # 工具自动读图+resize，省事
  calibration_type: 'default'

compiler_parameters:
  compile_mode: 'latency'
  optimize_level: 'O3'

3. 一条命令转换

hb_mapper makertbin --model-type onnx --config yolo11n.yaml

成功后 model_output/ 里就是能上板的 yolo11n.hbm（bin 模型）。

两个注意点：

报错多半是 yaml 缩进/引号问题，参数名严格照上面抄；input_type_rt: nv12 时输入宽高不能是奇数。
不想自己写的话，Model Zoo 里 yolo11 有现成 sample 和配置文件可直接抄：https://github.com/D-Robotics/rdk_model_zoo（X5 看 rdk_x5 分支 samples/vision/ 下对应目录）。

完整参数说明在官方文档：6.2.2.2. 模型编译命令（hb_mapper makertbin） — D-Robotics Open Explorer

CanNyCat · 2026 年9 月 12 日 11:54

既然你在第 3 楼反馈配置已经可以了，后面可以直接走官方 YOLO 转换示例，不必把整张参数表逐项手填。取仓库的 rdk_x5 分支，进入 samples/vision/ultralytics_yolo/conversion；环境按该页“模型编译环境”准备，导出在训练环境执行，编译在 X5 OpenExplorer 环境执行，都是 x86 主机，不是板端。

以把训练所得 best.pt 放在该目录为例，先导出：

python3 export_monkey_patch.py --pt ./best.pt

再在工具链环境的同一目录编译（确认新导出的文件为 best.onnx，校准图片放入 cal_images）：

python3 mapper.py --onnx ./best.onnx --cal-images ./cal_images --output-dir ./output

官方脚本会准备校准数据和 YAML，目标产物是 .bin。你现在贴出的 [1,5,8400] 单输出与这套示例的 Detect 多输出接口不同，不能只换模型文件就直接套用其后处理；请将官方导出、编译和配套运行示例作为一整套使用。自训模型仍需核对类别配置并验证精度；自定义网络或后处理适配属于二次开发，不能承诺一条通用指令覆盖所有情况。

完整链接：

官方转换流程：https://github.com/D-Robotics/rdk_model_zoo/blob/rdk_x5/samples/vision/ultralytics_yolo/conversion/README_cn.md
配套运行示例：https://github.com/D-Robotics/rdk_model_zoo/blob/rdk_x5/samples/vision/ultralytics_yolo/README_cn.md

tian1234 · 2026 年9 月 12 日 12:50

total 45656
drwxr-xr-x 2 root root 4096 Sep 12 18:04 .
drwxrwxr-x 9 1000 1000 4096 Sep 12 16:46 ..
-rw-r–r-- 1 root root 2273563 Sep 12 17:49 main_graph_subgraph_0.html
-rw-r–r-- 1 root root 35714 Sep 12 17:49 main_graph_subgraph_0.json
-rw-r–r-- 1 root root 2277654 Sep 12 18:00 main_graph_subgraph_1.html
-rw-r–r-- 1 root root 43240 Sep 12 18:00 main_graph_subgraph_1.json
-rw-r–r-- 1 root root 2260538 Sep 12 18:04 main_graph_subgraph_2.html
-rw-r–r-- 1 root root 8654 Sep 12 18:04 main_graph_subgraph_2.json
-rw-r–r-- 1 root root 4792486 Sep 12 18:04 yolo11n_640x640.bin
-rw-r–r-- 1 root root 10765879 Sep 12 17:36 yolo11n_640x640_calibrated_model.onnx
-rw-r–r-- 1 root root 10568166 Sep 12 16:53 yolo11n_640x640_optimized_float_model.onnx
-rw-r–r-- 1 root root 10584230 Sep 12 16:52 yolo11n_640x640_original_float_model.onnx
-rw-r–r-- 1 root root 97441 Sep 12 18:04 yolo11n_640x640_quant_info.json
-rw-r–r-- 1 root root 3004917 Sep 12 17:36 yolo11n_640x640_quantized_model.onnx好像可以了，那接下来我需要做什么，是不是虚拟机和主机已经用不上了，现在就是弄到rdk板子上了。我现在rdk已经烧录好镜像，最新的，然后用网线已经能完成和板子的连接，rdk studio也下好了，接下来呢。完整的流程告诉我。我要usb摄像头能跑模型，我摄像头是1080p，然后免驱动的摄像头

瓜仔 · 2026 年9 月 12 日 12:55

模型 .bin 出来了就说明转换这步已经成功，虚拟机/主机后面只有再转新模型时才用得到。接下来全在板端做：

1. 把模型传到板子（主机上执行，IP 换成你板子的）：

scp yolo11n_640x640.bin root@<板子IP>:/userdata/

2. 板上先验证模型能跑通（可选，跑 10 秒看 latency/帧率）：

ssh root@<板子IP>
hrt_model_exec perf -m /userdata/yolo11n_640x640.bin -t 10

3. USB 摄像头跑实时检测

你的免驱 UVC 摄像头插上就能用，先确认识别到：

ls /dev/video*        # 有 video0 之类即识别成功
v4l2-ctl --list-devices   # 看具体设备名

镜像里自带 USB 摄像头实时检测示例（YOLOv5X + hbm_runtime），直接指定你的模型跑：

cd /app/pydev_demo/07_usb_camera_sample
python usb_camera_yolov5x.py --model-path /userdata/yolo11n_640x640.bin

一个关键点：这个示例的后处理是按 YOLOv5 的输出（anchor 解码）写的，YOLO11 是 anchor-free、输出结构不同，直接换模型框会画不对。建议先拿默认的 /app/model/basic/yolov5s_672x672_nv12.bin 跑一遍确认链路 OK，再照着 usb_camera_yolov5x.py 里的 decode_outputs 改成 YOLO11 的解码逻辑。

4. 显示问题

示例会弹窗显示检测结果，server 版镜像没桌面，用 MobaXterm 等支持 X11 转发的工具 SSH 连板子就能在本地看到窗口；或者直接接 HDMI 显示器。RDK Studio 也可以用来远程连板开发调试。

1080p 摄像头如果画面卡，把采集分辨率降到 640x640 左右即可，模型输入本来就是 640。

参考文档：

USB 摄像头实时检测示例：USB 摄像头实时检测 | RDK X3/X5 DOC
USB 摄像头使用：USB 摄像头使用 | RDK X3/X5 DOC

CanNyCat · 2026 年9 月 12 日 13:11

看到已经生成 yolo11n_640x640.bin 了，可以进入板端验证，但仅有文件还不能确认检测结果正确。电脑后面仍用于连接、传文件和调试；训练、重新导出或编译时也还需要原环境，先保留。

建议按下面顺序走：

先验证 USB 摄像头链路，不换自训模型。 摄像头插 X5，在板端按官方 USB 实时检测示例运行：

cd /app/pydev_demo/07_usb_camera_sample
python usb_camera_yolov5x.py

这一步使用示例默认模型，看到实时画面和检测框后，在显示窗口按 q 退出。需要图形桌面，或按文档使用支持 X11 转发的连接；仅 SSH 连通不等于能显示窗口。1080p 是采集分辨率，不是模型输入尺寸，示例会做预处理；实际采集格式和帧率以摄像头支持的模式为准。

再验证 YOLO11 静态图片。 将 rdk_model_zoo 的 rdk_x5 分支放到板端，按官方 YOLO11 运行说明准备依赖，在仓库根目录执行：

cd samples/vision/ultralytics_yolo/runtime/python
bash run.sh

先用默认官方模型看结果图，排除板端运行环境问题；这不是 USB 实时入口。之后再把自己的 .bin、测试图片和类别文件传到板端，按该页参数验证自训模型。前提仍是第 7 楼说的导出接口与配套后处理一致，不能把当前 .bin 直接替换进 YOLOv5 USB 示例。

最后才接自训模型的实时摄像头应用。 静态检测正确后，可参考上述 USB 采集代码和 YOLO11 推理接口自行集成；这部分属于二次开发，目前不能给你一条已验证适用于该自训模型的通用启动命令。官方原版示例若报错，请贴镜像完整版本、执行命令和首次报错日志，我们再针对那一步核查。

完整链接：

USB 实时检测：https://developer.d-robotics.cc/rdk_x_doc/Basic_Application/pydev_demo_sample/RDK_X5/usb_camera_sample
YOLO11 板端运行：https://github.com/D-Robotics/rdk_model_zoo/blob/rdk_x5/samples/vision/ultralytics_yolo/runtime/python/README_cn.md

hb_mapper makertbin 配置文件YAML参数错误，求YOLO11n模型转换的正确配置示例

环境信息：

遇到的错误：

具体需求：

额外信息：