使用ncnn部署yolox详细记录
前言
之前本人使用ncnn部署都是用pnnx版将模型转换为ncnn，但由于ncnn的examples文件夹下没有yolox的pnnx版本的c++文件，所以ncnn部署yolox采用onnx版进行部署。
本文章为up本人部署时的理解并记录过程，若文章中有不正确的地方，请多批评指教。
若参考本文章进行ncnn部署yolox，需要有以下准备：
有一个yolox的模型
已经使用cmake成功编译ncnn
看懂C++和Python
模型转换onnx
根据yolox的tools路径下的export_onnx.py文件中的make_parser函数，设置模型转onnx的参数
由于up的模型修改yolox的exps/example/yolox_voc路径下的yolox_voc_s.py文件，修改改文件里的数据集目录以及类别等之后用该文件进行模型训练，所以export_onnx.py需要用参数中的-f 需要指定该文件；
模型训练完后，在yolox的YOLOX_output/yolox_voc_s路径下有训练好的模型，export_onnx.py需要用参数中的-c 需要指定使用的模型
所以本人需求运行以下命令将模型转换为onnx：
onnx转换ncnn
本人在ncnn路径下创建build文件夹并在该文件夹下make编译ncnn，所以编译之后的ncnn文件夹下的build/tools/onnx路径下有onnx2ncnn的可执行文件。（如果你没有tools的文件夹以及可执行文件等，你需要通过cmake成功编译ncnn）
将onnx文件放入当前路径下（也可放到你喜欢的路径下），执行onnx2ncnn的可执行文件，生成ncnn需要的param文件和bin文件
执行可执行文件，第0个参数为可执行文件名字，第一个参数是onnx文件，第二个参数是生成的param的名字，第三个参数是生成bin文件的名字，执行代码如下：
执行后不出意外的话就要出意外了，程序会报“Unsupported slice step !”的错误 ，并且也生成了我们需要的param文件和bin文件
根据ncnn的examples路径下的yolox.cpp文件中，我们能看到代码中的注释写着用着跟yolov5相同的focus，并且在ncnn加载模型前也先注册了YoloV5Focus
所以yolox的这个错误，我们可以跟yolov5一样手工修复param，把ncnn不支持的算子替换掉，这里我们可以参考nihui大佬的文章（https://zhuanlan.zhihu.com/p/275989233）
我们通过netron打开yolox.param文件，需要将红框内删除并换成YoloV5Focus
点击split，查看到split输入的是images
点击concat，查看到conca输出的是683
所以我们自定义的YoloV5Focus算子，它的输入是images，输出是683，并且是一个输入一个输出。
我们用记事本或者vscode打开param文件，找到split、crop、concat并删除
在原来的位置插入YoloV5Focus，并且写入1个输入，1个输出，输入的名字，输出的名字，如下图所示：
由于我们在param文件里删除了10行，再自己写了1行，所以根据本人的文件里的第二行第一个参数需要改成286（295-10+1）
修改完成后保存并替换原来的param文件，再进入ncnn的build/tools路径下，执行以下代码使用 ncnnoptimize 工具修正模型，顺便转为 fp16 存储减小模型体积。
执行成功结果如下：
通过netron查看修改后的模型，发现已经成功转换了模型的算子了
xiug
修改yolox.cpp文件
最后我们根据自己的需求修改yolox.cpp文件了
我们先修改加载模型的路径，并且由于我是在轻量级服务器跑的，所以不需要使用gpu得把
yolox.opt.use_vulkan_compute修改成false
还需要把修改类别，改成你的模型需要的
由于我在服务器跑ncnn，服务器没有桌面版Linux，所以把显示推理后图片改成保存推理后图片
修改完覆盖ncnn的examples路径下的yolox.cpp文件，并重新用cmake编译ncnn，编译完成如下图：
结果测试
我们打开ncnn的build/examples路径下将编译生成的yolox可执行文件复制到你想要的路径下（嫌麻烦也可以直接用），以我本人为例，将可执行文件复制到存放模型的文件夹里
执行可执行文件，第0个参数为可执行文件名字，第一个参数为需要推理的图片，推理完成后生成推理后的图片（如果你没改opencv为保存图片的话就是图片直接显示）
打开推理后的图片
总结
自此，ncnn部署yolox完毕！相信你已经完全掌握了ncnn部署yolox和yolov5的步骤。
如果你训练的模型在ncnn里面有可以使用pnnx版的话，通过pnnx转换为ncnn会方便很多。
nihui大佬yyds！
参考文章
https://zhuanlan.zhihu.com/p/275989233
https://zhuanlan.zhihu.com/p/471357671
