RKNN-ToolKit2 1.5.0安装教程

引言

由于种种原因需要用到开发版RK3568,需要预先安装RKNN-Toolkit2进行模型转化等,博主安装的版本是1.5.0,Ubuntu版本是20.04,python版本3.6。

一、虚拟环境创建

1、为了隔离环境,我们采用conda创建虚拟环境,打开终端,输入以下指令创建虚拟环境:

conda create -n Rknn-toolkit2 python=3.6

2、激活我们刚创建的虚拟环境:

conda activate Rknn-toolkit2

二、下载安装包

1、原本准备采取docker安装,但是文件有点大再加上网速不行,于是我们采用pip方法进行安装。

下载地址:mirrors / rockchip-linux / rknn-toolkit2 · GitCode,直接点击下载,得到rknn-toolkit2-master.zip,并且解压到任意文件夹中。

2、在rknn-toolkit2-master文件夹下打开终端,cd到packages文件夹下,可以看到packages文件夹下有三个whl文件(最新的是1.5.2,博主当时的是1.5.0):

3、我们选择python版本为3.6的whl进行pip安装,执行以下指令(采用清华园下载会快一点,出错了就多试几次):

pip install rknn_toolkit2-1.5.0+1fa95b5c-cp36-cp36m-linux_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

4、检测是否安装成功,执行以下指令:

python
from rknn.api import RKNN

 如下图就是安装成功:

如果遇到问题,可以留言给博主,都会尽力解答

更新:!!!!!

最新的下载地址GitHub - rockchip-linux/rknn-toolkit2

  • 1
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 22
    评论
RKNN-Toolkit2是一个用于在Rockchip AI芯片上进行深度学习推理的工具包。它提供了一系列工具和API,用于将训练好的模型转换为RKNN格式,并在Rockchip AI芯片上进行推理。 使用RKNN-Toolkit2,您可以完成以下任务: 1. 模型转换:将训练好的模型转换为RKNN格式,以便在Rockchip AI芯片上进行推理。 2. 模型优化:对模型进行优化,以提高推理性能和准确性。 3. 模型部署:将转换和优化后的模型部署到Rockchip AI芯片上进行推理。 4. 推理测试:在rknn-toolkit2提供的模拟器中进行推理测试,以验证模型的性能和准确性。 以下是使用RKNN-Toolkit2的一些示例步骤: 1. 安装RKNN-Toolkit2:请参考引用中提供的安装教程,按照步骤安装RKNN-Toolkit2。 2. 准备模型:准备一个训练好的模型,可以是常见的深度学习框架(如TensorFlow、PyTorch)训练的模型。 3. 模型转换:使用RKNN-Toolkit2将模型转换为RKNN格式。根据您的模型类型和需求,可以选择不同的转换方法和参数进行转换。 4. 模型优化:根据您的需求,使用RKNN-Toolkit2对转换后的模型进行优化,以提高推理性能和准确性。 5. 模型部署:将优化后的模型部署到Rockchip AI芯片上进行推理。根据您的硬件环境和需求,可以选择不同的部署方式和参数进行部署。 6. 推理测试:使用rknn-toolkit2提供的模拟器,在模拟环境中进行推理测试,以验证模型的性能和准确性。 请注意,具体的步骤和参数可能因您的具体需求和环境而有所不同。建议您参考RKNN-Toolkit2的官方文档和示例代码,以获取更详细的信息和指导。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 22
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
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