搭建瑞芯微rk3128本地android代码服务器

从供应商那里拿到的rk3128android 4.4的源码包。解压前压缩包大概5G,通过命令解压后发现只有一个隐藏的.repo 目录大小4096。
然后执行命令 repo sync -l

这里写图片描述
意思是从本地工作树跟新代码。
完成 后。所有的代码都已经在服务器端。
在 代码服务器端新建rks这个目录用于存放纯代码库。
进入服务器端的代码库路径 rk/.repo/project-objects
这里面存放的是远程代码库在本地的映射。projects存放的是本地代码库,每次repo sync 时候。都是project-objects的代码库和projects代码库比较。然后更新本地代码, 所以我们远程也要建立相关的代码库。通过命令 find -name “*.git” > src_git.txt
显示所以git代码库:
这里写图片描述
太多了截取一段显示。
然后将文件 src_git.txt 拷贝到服务器端。
在rk代码库根目录执行work2mirror.py获取mirror的脚本获得本地所以的git代码库
work2mirror.py内容:

#!/usr/bin/python
# -*- coding: utf-8 -*-

import os, sys, shutil

cwd = os.path.abspath( os.path.dirname( __file__ ) )
repodir = os.path.join( cwd, '.repo' )
S_repo = 'repo'
TRASHDIR = 'old_work_tree'

if not os.path.exists( os.path.join(repodir, S_repo) ):
    print >> sys.stderr, "Must run under repo work_dir root."
    sys.exit(1)

sys.path.insert( 0, os.path.join(repodir, S_repo) )
from manifest_xml import XmlManifest

manifest = XmlManifest( repodir )

if manifest.IsMirror:
    print >> sys.stderr, "Already mirror, exit."
    sys.exit(1)

trash = os.path.join( cwd, TRASHDIR )
for project in manifest.projects:
    # 移动旧的版本库路径到镜像模式下新的版本库路径

    newgitdir = os.path.join( cwd, '%s.git' % project.name )
    if os.path.exists( project.gitdir ) and project.gitdir != newgitdir:
        if not os.path.exists( os.path.dirname(newgitdir) ):
            os.makedirs( os.path.dirname(newgitdir) )
        print "Rename %s to %s." % (project.gitdir, newgitdir)
        os.rename( project.gitdir, newgitdir )

    # 移动工作区到待删除目录
    if project.worktree and os.path.exists( project.worktree ):
        newworktree = os.path.join( trash, project.relpath )
        if not os.path.exists( os.path.dirname(newworktree) ):
            os.makedirs( os.path.dirname(newworktree) )
        print "Move old worktree %s to %s." % (project.worktree, newworktree )
        os.rename( project.worktree, newworktree )

    if os.path.exists ( os.path.join( newgitdir, 'config' ) ):
        # 修改版本库的配置
        os.chdir( newgitdir )
        os.system( "git config core.bare true" )
        os.system( "git config remote.korg.fetch '+refs/heads/*:refs/heads/*'" )

        # 删除 remotes 分支,因为作为版本库镜像不需要 remote 分支
        if os.path.exists ( os.path.join( newgitdir, 'refs', 'remotes' ) ):
            print "Delete " + os.path.join( newgitdir, 'refs', 'remotes' )
            shutil.rmtree( os.path.join( newgitdir, 'refs', 'remotes' ) )

# 设置 menifest 为镜像
mp = manifest.manifestProject
mp.config.SetString('repo.mirror', 'true')

主要内容是把rk/.repo/projects目录中的代码库根据project-objects映射关系拷贝到相应的目录下。
这里写图片描述
结果所有的git源码库都放入到devices rk 和 platform 下。
platform内容:
这里写图片描述
然后在devices rk 和 platform 三个目录拷贝到 home/git/repositories/rks下。
至此 服务器端的代码库已经建好。
在服务器端 home/git/repositories/ 新建 manifest.git 代码库用于存放default.xml。
git init –bare manifest.git
default.xml内容:

<?xml version="1.0" encoding="UTF-8"?>
<manifest>
  <remote fetch=".." name="rks" />
  <remote fetch=".." name="rk" />

  <default remote="rks" revision="master" sync-c="true" sync-j="4" />

<project name="rks/device/common" path="device/common"/>
<project name="rks/platform/abi/cpp" path="abi/cpp"/>
<project name="rks/platform/art" path="art"/>
<project name="rks/platform/bionic" path="bionic"/>
<project name="rks/platform/bootable/bootloader/legacy" path="bootable/bootloader/legacy"/>
<project name="rks/platform/bootable/diskinstaller" path="bootable/diskinstaller"/>
<project name="rks/platform/bootable/recovery" path="bootable/recovery"/>
<project name="rks/platform/build" path="build" >
    <copyfile dest="Makefile" src="core/root.mk" />
 </project>
<project name="rks/platform/cts" path="cts"/>
<project name="rks/platform/dalvik" path="dalvik"/>
<project name="rks/platform/developers/build" path="developers/build"/>
<project name="rks/platform/developers/demos" path="developers/demos"/>
<project name="rks/platform/developers/docs" path="developers/docs"/>
<project name="rks/platform/developers/samples/android" path="developers/samples/android"/>
<project name="rks/platform/development" path="development"/>
<project name="rks/platform/docs/source.android.com" path="docs/source.android.com"/>
<project name="rks/platform/external/aac" path="external/aac"/>
<project name="rks/platform/external/alsa-lib" path="external/alsa-lib"/>
<project name="rks/platform/external/alsa-utils" path="external/alsa-utils"/>
<project name="rks/platform/external/android-clat" path="external/android-clat"/>
<project name="rks/platform/external/android-mock" path="external/android-mock"/>
<project name="rks/platform/external/ant-glob" path="external/ant-glob"/>
<project name="rks/platform/external/antlr" path="external/antlr"/>
<project name="rks/platform/external/apache-harmony" path="external/apache-harmony"/>
<project name="rks/platform/external/apache-http" path="external/apache-http"/>                                                       

截取一段显示。主要用于 repo sync 更新本地代码库使用。
在客户端:
git clone git@192.168.1.27:manifest.git manifest
把 default.xml 放入 manifest 目录中
git add default.xml
git commit -m”添加 default.xml”

然后 新建测试目录rk_test
repo init -u git://192.168.1.27/manifest.git
repo sync
测试可以正常下载所以代码。并编译通过

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
瑞芯微RK3568是一款高性能的SoC芯片,具备强大的CPU、GPU以及神经网络加速器(NPU),非常适合用于Android设备的深度学习应用。Yolov5是一种基于YOLO系列的目标检测算法,广泛应用于图像识别领域。下面简述如何在RK3568上通过Android系统运行Yolov5: ### 1. 准备环境 **硬件需求**:一台搭载瑞芯微RK3568 SoC的Android设备。 **软件准备**:确保Android设备已安装最新版本的Android系统,并且已经适配了Yolov5模型。 ### 2. 安装依赖库 为了运行深度学习模型,如Yolov5,需要在Android项目中引入相关的依赖库。通常情况下,这包括TensorFlow Lite、OpenCV等库,这些库能够提供对神经网络计算的支持。你可以在项目的 `build.gradle` 文件中添加相应的依赖项: ```groovy dependencies { implementation 'org.tensorflow:tensorflow-lite:2.x.x' implementation 'org.opencv:opencv:4.x.x-android-maven' } ``` 请注意,实际的依赖版本可能会有所变化,请查阅最新的官方文档获取正确的版本信息。 ### 3. 模型转换与优化 由于Android平台限制,模型在运行前通常需要转换成更适应移动设备的形式,例如使用TF-Lite格式。可以使用TensorFlow的模型转化工具进行转换: ```bash # 使用tfjs-converter将原模型转换为TF-Lite格式 npm install -g tfjs-converter npx tfjs-converter convert --inputModels yolov5/model.tflite --outputModel yolov5/tfLiteModel.tflite --signatureName predict ``` ### 4. 编写Android应用 在Android应用中,你需要编写代码以加载模型并执行推理操作。基本框架如下: ```java import org.tensorflow.lite.support.tensorbuffer.TensorBuffer; import org.tensorflow.lite.task.core.CommonImageInput; import org.tensorflow.lite.task.core.Task; import org.tensorflow.lite.task.vision.detector.ObjectDetectorOptions; public class Yolov5DetectionActivity extends AppCompatActivity { private Task mObjectDetectorTask; private ObjectDetectorOptions options = new ObjectDetectorOptions.Builder() .setResultThreshold(0.5) .build(); @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout.activity_yolov5_detection); // 加载模型 try { mObjectDetectorTask = ObjectDetector.load(this, "model_path", options).build(); } catch (IOException e) { throw new RuntimeException("Failed to load model"); } // 读取图片 Bitmap inputBitmap = BitmapFactory.decodeResource(getResources(), R.drawable.your_image); CommonImageInput imageInput = CommonImageInput.fromBitmap(inputBitmap, 0); // 执行推理 Task.Outputs outputs = mObjectDetectorTask.detect(imageInput); // 输出结果处理... } } ``` 请确保替换`model_path`为本地模型文件路径,并调整其他配置以满足你的需求。 ### 相关问题: 1. **如何调试Android应用中的深度学习模型?** - 可以利用Logcat记录关键步骤的日志信息,同时结合可视化工具如TensorBoard监控模型的输入和输出数据。 2. **RK3568 SoC支持哪些类型的深度学习模型部署?** - 支持所有基于TensorFlow、PyTorch等主流机器学习框架的模型部署,只要模型格式兼容,并经过适当的优化。 3. **如何优化在Android设备上的深度学习应用性能?** - 调整模型精度(从FP32降级到FP16或INT8)、减少模型大小、合理分配资源(CPU/GPU/NPU),以及优化图像预处理和后处理流程都可以提升性能。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

九霄的爸爸

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值