1.按照前面文档的步骤都完成了，然后就是最后一步的onnx转为kmodel的过程中出现了警告，但是最后也出现了新的kmodel文件，然后我去移植到开发板的时候，没有效果，感觉好像模型有问题，到底是怎么回事呀？？？？
2.现在出现了一个新问题，我把上面的报错的
onnx_model, check = onnxsim.simplify(onnx_model, overwrite_input_shapes=input_shapes)加粗的地方是我改完的，然后生成kmodel移植到开发板发现视频识别一直出现乱码的框，更懵逼了！！！！。图像如下所示：
k230d
k230d
这个警告没什么问题，是版本不同参数不同，并不会造成模型的问题。你用的部署代码是什么
我按照官网文档操作的，就是官网里的代码有的代码换个路径，其他的没变化，移植到k230d的代码也是按照那个来的，但是就是没有效果，我也拿它训练好示例的模型验证了，它那个能通，但是我这个不行
部署代码发一下
1.训练模型：yolo detect train data=datasets/fruits_yolo.yaml model=yolov8n.pt epochs=300 imgsz=320
随后得到一个叫yolov8n.pt的文件，省略安装各个包的代码
2.导出为onnx文件：yolo export model=./yolov8n.pt format=onnx imgsz=320
3.换路径：cd test_yolov8/detect
4.转为kmodel:python to_kmodel.py --target k230 --model ../../yolov8n.onnx --dataset ../test --input_width 320 --input_height 320 --ptq_option 0
复制kmodel文件到cammv的data目录下，评论字符限制我分为几段
5.在canmv ide中的代码：
from libs.YOLO import YOLOv8
from libs.Utils import *
import os,sys,gc
import ulab.numpy as np
import image
if __name__=="__main__":
# 这里仅为示例，自定义场景请修改为您自己的测试图片、模型路径、标签名称、模型输入大小
img_path="/data/test.jpg"
kmodel_path="/data/yolov8n.kmodel"
labels = ["apple","banana","orange"]
model_input_size=[320,320]
confidence_threshold = 0.5
nms_threshold=0.45
img,img_ori=read_image(img_path)
rgb888p_size=[img.shape[2],img.shape[1]]
# 初始化YOLOv8实例
yolo=YOLOv8(task_type="detect",mode="image",kmodel_path=kmodel_path,labels=labels,rgb888p_size=rgb888p_size,model_input_size=model_input_size,conf_thresh=confidence_threshold,nms_thresh=nms_threshold,max_boxes_num=50,debug_mode=0)
yolo.config_preprocess()
res=yolo.run(img)
yolo.draw_result(res,img_ori)
yolo.deinit()
gc.collect()