原版仓库：https://github.com/ultralytics/yolov5
环境要求：python version >= 3.6
模型训练：python3 train.py
模型导出：python3 models/export.py --weights "xxx.pt"
转换rknn：python3 onnx_to_rknn.py
模型推理：python3 rknn_detect_yolov5.py
注意事项：如果训练尺寸不是640那么，anchors会自动聚类重新生成，生成的结果在训练时打印在控制台，或者通过动态查看torch模型类属性获取，如果anchors不对应那么结果就会出现问题。
建议：在训练时如果size不是640，那么可以先通过聚类得到anchors并将新的anchors写入到模型配置文件中，然后再训练，防止动态获取的anchors在rknn上预测不准的问题。训练参数别忘记加上 --noautoanchor。
1.下载yolov5原版仓库：https://github.com/ultralytics/yolov5
2.训练模型
3.导出onnx模型
python export_no_focus.py --weights weights/yolov5s.pt --img-size 640 640
所有size均指 width,height .............. 所有shape指 height,width
4.转换为rknn模型
python onnx2rknn.py --onnx weights/yolov5s.onnx --precompile --original
模型默认和onnx在同一目录
5.rknn推理
python rknn_detect_for_yolov5_original.py
当然也可以使用我修改的版本yolov5_original，支持直接使用xml标注文件