RKNN 模型动物园(RKNN Model Zoo)教程
rknn_model_zoo项目地址:https://gitcode.com/gh_mirrors/rk/rknn_model_zoo
1. 项目介绍
RKNN Model Zoo 是基于 RKNPU SDK 开发的一个项目,它提供了当前主流算法的部署示例。这些示例涵盖了从导出 RKNN 模型到使用 Python API 和 CAPI 进行推理的整个过程。项目支持以下平台:
- RK3562
- RK3566
- RK3568
- RK3588
- RK3576
- 局部支持 RV1103 和 RV1106
- 支持 RK1808、RK1109 和 RK1126 平台的特定版本
最新版本包括物体检测、图像分割、OCR 和车牌识别等演示。
2. 项目快速启动
环境依赖
确保你已经安装了最新的 RKNPU SDK。对于不同版本的 SDK,可能存在兼容性问题:
- RKNPU2 SDK:需要版本 >= 2.0.0
- RKNPU1 SDK:需要版本 >= 1.7.5 对于 1.6.0,>= 1.5.0 对于 1.5.0,且 >= 1.7.3 对于 1.6.0 之前的版本
安装 SDK
你可以从以下链接获取 SDK:
- RKNPU2 SDK:https://github.com/airockchip/rknn-toolkit2
- RKNPU1 SDK:https://github.com/airockchip/rknn-toolkit
安装依赖库
对于 Android 示例,需要 Android 编译工具链;对于 Linux 示例,则需要 Linux 编译工具链。具体步骤参照 RKNPU-Toolkit2 的文档:
# 替换为实际版本号和路径
sudo apt-get install android-sdk-r18 # 或者 r19
cd path/to/sdk/tools/
./android update sdk --no-ui --all --filter tools,platform-tools,build-tools-<version>,extra-android-m2repository,extra-google-m2repository
模型转换
-
导入模型:
python convert_model.py --model_path <path_to_your_model> --output_dir <output_directory>
-
运行示例:
cd demos/cDemo make ./cDemo <path_to_exported_rknn_file> <input_image_path>
3. 应用案例和最佳实践
项目提供的示例包括 YOLO 检测,可以作为开发应用的基础。在实践中,调整模型参数以适应具体硬件,优化推理速度和资源利用是至关重要的。
- 对于YOLO检测,可以调整 hyperparam 文件中的参数来改变网络的输入尺寸或批处理大小。
- 使用
query_model_info
函数检查模型的详细信息,以便了解模型是否适合目标硬件。
4. 典型生态项目
- RKNN Toolkit: 提供模型转换工具和推理 API,是 RKNN Model Zoo 的基础。
- ZBox FileZ: 存放模型文件的服务,可以在https://console.zbox.filez.com/l/8ufwtG找到。
以上就是 RKNN Model Zoo 的简介、快速启动指南、应用实例以及相关生态项目。通过这个项目,开发者可以更方便地在 Rockchip 设备上实现深度学习模型的高效部署。
rknn_model_zoo项目地址:https://gitcode.com/gh_mirrors/rk/rknn_model_zoo