坑非常多，兄弟们，我已经踩了三天的坑了，我这里部署了官方的yolov5s和我自己训练的yolov5n的模型
下载Android Studio，配置安卓开发环境，这个过程比较漫长。
安装cmake，注意安装的是cmake3.10版本。
根据手机安卓版本选择相应的安卓版本，我的是红米K30Pro，安卓12。
使用腾讯开源的ncnn，这是一个为手机端极致优化的高性能神经网络前向计算框架，能够将深度学习算法轻松移植到手机端高效执行。
下载解压ncnn-android-yolov5-master和ncnn-20231027-android-vulkan。
nihui/ncnn-android-yolov5: The YOLOv5 object detection android example (github.com)
https://github.com/Tencent/ncnn/releases/download/20231027/ncnn-20231027-android-vulkan.zip
把ncnn-20231027-android-vulkan里面的文件复制一份到ncnn-android-yolov5-master的appsrcmainjni目录下。
用Android studio 打开这个ncnn-android-yolov5-master项目的build.gradle文件。
然后等待Android Studio构建工程，这个过程比较漫长。
完事之后打开ncnn-android-yolov5-masterappsrcmainjniCMakeLists.txt将原根目录ncnn-20201218-android-vulkan/删了
修改依赖的gradle插件版本为7.3.0，为什么呢，因为这个版本亲测没有问题，其他会出现各种各样的问题。
然后是修改使用的gradle版本为7.4-all版本，亲测其他版本不匹配。
重新sync项目，如果此时你还一切顺利，那么恭喜你，你已经成功了一大半，如果你开始出现各种各样的报错，那也正常，绝大部分是版本的问题，我在到达此处前卡了一天，你可能需要处理gradle下载慢之类的问题，报错的话复制百度
连接手机，打开手机的开发者模式，打开USB调试，打开USB安装，等Android Studio检测到我的红米K30Pro，然后点击运行，这时app就可以安装到手机上了，可以正常识别。
我们刚刚部署的是yolov5s的官方模型，现在我们要部署我们的模型。
首先将我们实验三优化的onnx格式模型转换为ncnn所需的格式。
大概有三种方法：
第一种是最快的，用这个在线转换网站一键转换 Caffe, ONNX, TensorFlow 到 NCNN, MNN, Tengine (convertmodel.com)
第二种也是我们下面用的这种，直接下载ncnn编译好的可执行文件转换
第三种就是编译ncnn，这个比较复杂，我没用
下载解压ncnn-20231027-windows-vs2022-shared，使用x64/bin下的onnx2ncnn程序将onnx模型转换为ncnn所需的模型和参数文件。
将我们的onnx文件复制一份到x64/bin文件夹下。
Windows使用以下命令行完成模型转换。
得到ncnn需要的模型和参数文件。
然后用我们的参数文件替换asset中的yolov5s.param和yolov5s.bin，为了方便，名字也要改成yolov5s，需要将yolov5ncnn_jni.cpp中的stride16和stride32中的ex.extract改为参数文件最后两个permute的输出名称，你也可以用Netron来看参数模型找到最后两个permute的输出名称。
这里根据不同的yolov5版本可能需要进行对参数文件的修改，我先不修改跑跑看，可以看到app也成功安装到手机上了，打开并选一张照片进行识别，可以看到框比较多。
根据网上的解决办法，是将参数文件中Reshape后面对应的0=6400、0=1600、0=400均修改为0=-1。
这样可以解决多个框的问题，确实解决了，但是一个框都没有了。
于是我把参数改回去，并增加多一层注意力机制。
然后把nms阈值调成0。
最后变成这样了，不知道有没有大佬可以帮忙解决一下。
参考资料
YOLOv5使用NCNN将模型部署到Android端教程（1）部署自己的训练模型到Android实现静态图片检测 - 知乎 (zhihu.com)
【精选】记录历经三天将自己的yolov5模型部署到Android安卓手机_yolov5部署到手机-CSDN博客
