YOLOv5转换为NCNN流程

在官方发布的YOLOv5代码仓库中，虽然已经内置了将PyTorch模型（.pt）转换为ONNX格式的工具，但这仅仅是部署流程的第一步。若要在Android等移动端设备上实现高效推理，通常需要将ONNX模型进一步转换为NCNN格式。然而，直接调用NCNN自带的onnx2ncnn工具往往行不通，原因在于YOLOv5架构中使用了若干NCNN原生库尚未封装支持的自定义网络层。本文旨在梳理并整合前人的实践经验，重新整理这一转换过程中的关键步骤与避坑指南，帮助初学者在首次尝试时能够迅速理清思路，顺利完成模型部署。

实现步骤

1. 安装并运行onnx-simplifier
首先，我们需要引入onnx-simplifier工具来优化模型结构。
1.1：通过pip安装该工具，执行命令 pip install onnx-simplifier。该工具的主要作用是简化ONNX模型，移除冗余节点，从而为后续转换打下基础。
1.2：执行简化命令 python -m onnxsim ./yolov5.onnx ./yolo5-sim.onnx。这一步会将原始的yolov5.onnx转换为结构更简洁的yolo5-sim.onnx，有助于减少后续转换中的兼容性错误。

2. 编译NCNN代码库
2.1：获取并编译NCNN源码。

    	// An highlighte