环境：ubuntu20.04

（1）yolo转ncnn：

         ①说明：

             ncnn项目中yolov11.cpp上方有完整步骤，要用ncnn中的运行代码，一定要按照他的步骤转换，一定不能用yolo官方转ncnn的方法。

         ②项目clone：

         ·项目地址：   

             https://github.com/Tencent/ncnn

         ·编译步骤：

             下面这篇文章的x86 linux 机器上（ubuntu18.04）这一段

         https://blog.csdn.net/qq_38342510/article/details/146715586

         ③装包：

             在虚拟环境中用pip3安装。ultralytics、pnnx和ncnn

         ④转torchscript

             使用官方代码将.pt转. torchscript

         https://docs.ultralytics.com/zh/integrations/torchscript/#usage

         ⑤转pnnx：

             使用pnnx工具，终端输入“pnnx yolo11n.torchscript”。成功后会在当前目录生成“_pnnx.py”文件

         ⑥修改“_pnnx.py”文件：

         ·查找6400：

             ·将v_235-237中6400、1600、400分别改成-1，并在后面分别加“.transpose(1, 2)”。

             ·将v_238后面的“dim=2”改成1，并删掉或注释掉后面的，直接返回v_238

         ·搜索：self.model_10_m_0_attn_qkv_conv(v_94)：

             ·将v_96后面的400改成1；

             ·将v_106、107换成这两句：

                  v_106 = v_105.view(1, 128, v_95.size(2), v_95.size(3))

                  v_107 = v_99.reshape(1, 128, v_95.size(2), v_95.size(3))

         ⑦重新生成.pt：

             终端执行下面这句。其中“best_pnnx”是自己的文件名。执行完后会生成“best_pnnx.py.pt”文件

             python3 -c "import best_pnnx; best_pnnx.export_torchscript()"

         ⑧pt转ncnn：

             终端执行下面这句。其中“best_pnnx”是自己的文件名。执行完后会生成

             best_pnnx.py.ncnn.param、best_pnnx.py.ncnn.bin这两个文件。这两个文件就是最终的ncnn文件。可以直接用yolo11.cpp执行的

    pnnx best_pnnx.py.pt inputshape=[1,3,640,640] inputshape2=[1,3,320,320]

    （2）执行ncnn：

         ①修改yolov11.cpp：

         ·标签名称

                class_names是设置标签名称的，顺序要和训练yolo时yaml配置文件对应

         ·模型加载路径：

         ·关掉GPU：

        

         ·优化 – 将模型放到main加载：

             将模型放到main中加载，然后传给识别函数。并将识别函数中加载模型语句注释掉

         ②执行：

         ·编译项目：make -j4

         ·./examples/yolo11 图片路径