以root用户远程登录开发者套件，将在PC训练模型获得的压缩包上传到开发者套件，上传方法可参见Windows与开发者套件的文件传输，进入压缩包上传目录执行以下命令解压压缩包。
```
tar -zxvf infer_project.tar.gz
```
进入解压缩后目录执行以下命令将Windows格式文件转换为Unix、Linux格式。
```
cd infer_project/ && dos2unix `find .` 
```
若提示命令dos2unix not found，请使用apt install dos2unix命令安装。

进入解压缩目录执行如下命令进行模型转换，获得om模型。

python3 onnx2om.py

模型转换成功回显如下：

bash common/onnx2om.sh --model=yolov5s --bs=1 --calib_bs=1 --soc=Ascend310B4 --type=fp16
=== onnx2om args ===
 version: 7.0
 model: yolov5s
 bs: 1
 type: fp16
 output_dir: output
 soc: Ascend310B4
Starting onnx导出om模型（无后处理）
ATC start working now, please wait for a moment.
.................................ATC run success, welcome to the next use.
onnx导出om模型 Success

执行推理。

python3 om_infer.py --model=output/yolov5s_bs1.om --eval --visible

推理成功回显如下：

[INFO] acl init success
[INFO] open device 0 success
[INFO] load model output/yolov5s_bs1.om success
[INFO] create model description success
100%|█████████████████████████████████████████████| 5/5 [00:02<00:00,  2.18it/s]
Average infer time: 116.717 ms / 1 image
...
get 5 images
Running per image evaluation...
Evaluate annotation type *bbox*
DONE (t=0.06s).
Accumulating evaluation results...
DONE (t=0.02s).
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.579
 ...
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.652
{'bbox_mAP': 0.579, 'bbox_mAP_50': 0.94, 'bbox_mAP_75': 0.71, 'bbox_mAP_s': -1.0, 'bbox_mAP_m': 0.6, 'bbox_mAP_l': 0.583, 'bbox_mAP_copypaste': '0.579 0.940 0.710 -1.000 0.600 0.583'}
[INFO] unload model success, model Id is 1
[INFO] end to destroy context
[INFO] end to reset device is 0
[INFO] end to finalize acl

model: 模型文件目录。
eval: 开启模型评估，自动计算在测试集上的精度。
visible: 保存模型在测试集上的推理结果。

推理结果图如图1与图2所示。

图1 查看推理结果1

图2 查看推理结果2

模型推理