模型导出

IM SDK 的下载脚本 (download_artifacts.sh) 仅提供 10 个基础 TFLite 模型。以下 Demo 需要自行导出额外模型：

Demo	所需模型	导出方式
多输入多输出	YOLOv5 (yolov5.tflite)	从 YOLOv5 源码导出
多流批量推理	YOLOv8 batch=4 (yolov8_det.tflite)	Qualcomm AI Hub
目标检测（YOLOv8/YOLO-NAS）	YOLOv8 / YOLO-NAS	Qualcomm AI Hub

方式一：从 YOLOv5 源码导出（多输入多输出 Demo）

host$

git clone https://github.com/ultralytics/yolov5.git
cd yolov5
python -m pip install -r requirements.txt tensorflow-cpu
python export.py --weights yolov5m.pt --img 320 --include tflite --int8 --data data/coco128.yaml

将导出的模型推送到设备：

host$

scp yolov5m-int8.tflite radxa@<device-ip>:/etc/models/yolov5.tflite

radxa@airbox$

# 创建 yolov5 标签文件（复制 yolonas 标签）
sudo cp /etc/labels/yolonas.labels /etc/labels/yolov5.labels

此导出方式使用 --img 320 以匹配 Demo 输入分辨率。不要使用默认 640，否则会因输入尺寸不匹配导致推理失败。

方式二：Qualcomm AI Hub 导出 YOLOv8（目标检测、多流批量推理）

1. 注册并获取 API Token

Qualcomm AI Hub → Settings → API 令牌。

2. 安装 qai-hub-models

host$

python -m venv qaihm
source qaihm/bin/activate
pip install qai-hub-models

3. 导出标准模型（batch=1）

host$

python -m qai_hub_models.models.yolov8_det.export \
    --quantize w8a8 \
    --target-runtime=tflite \
    --device "Dragonwing IQ-9075 EVK"

4. 导出批量模型（batch=4，用于多流批量推理）

host$

python -m qai_hub_models.models.yolov8_det.export \
    --quantize w8a8 \
    --target-runtime=tflite \
    --device "Dragonwing IQ-9075 EVK" \
    --batch-size 4

--batch-size 4 必须匹配 Demo 的流数量。Q900 (QCS9075) 最多支持 4 路。

5. 推送到设备

host$

scp yolov8_det.tflite radxa@<device-ip>:/etc/models/