相关资料比较少，我参考的网址如下：

https://blog.csdn.net/Johnor/article/details/136018664?spm=1001.2014.3001.5506

在导出onnx模型的这步，如果只是导出而不考虑后续的BPU加速，是不需要修改yolo.py中的代码的。尝试导出顺利。

如果需要BPU加速，按照该网址，对yolo.py进行了如下修改:

然而，在运行export.py后，发生报错，报错信息如下：

export: data=Desktop/dasan/jin_sai/yolov5/data/coco128.yaml, weights=/Users/zhangchengxuan/Desktop/dasan/jin_sai/yolov5-master/best.pt, imgsz=[640, 480], batch_size=1, device=cpu, half=False, inplace=False, keras=False, optimize=False, int8=False, per_tensor=False, dynamic=False, simplify=False, opset=17, verbose=False, workspace=4, nms=False, agnostic_nms=False, topk_per_class=100, topk_all=100, iou_thres=0.45, conf_thres=0.25, include=['onnx']
YOLOv5