RK3576部署测试mobilenet

1. 下载rockchip的官方工具包
   https://github.com/airockchip/rknn-toolkit2
   
   这里使用的v2.1.0版本

RKNN 软件栈可以帮助用户快速将 AI 模型部署到 Rockchip 芯片上。总体框架如下：

下载之后的目录结构如下：

RKNN-Toolkit2 是一款软件开发套件，供用户在 PC 和 Rockchip NPU 平台上进行模型转换、推理和性能评估。

RKNN-Toolkit-Lite2 为 Rockchip NPU 平台提供 Python 编程接口，帮助用户部署 RKNN 模型，加速 AI 应用的落地。

RKNN Runtime 为 Rockchip NPU 平台提供 C/C++ 编程接口，帮助用户部署 RKNN 模型，加速 AI 应用的落地。

RKNPU 内核驱动负责与 NPU 硬件交互。

打开rknpu2/examples/rknn_mobilenet_demo
导入交叉编译环境，然后编译执行。
这里我是将所需的文件放在一起的，如下：

mobilenet_demo.cpp所涉及的流程有：

 预处理图片
 初始化RKNN模型
 获取模型输入输出信息
输入输出数量（主要用于遍历次数、定位输入）
输入输出属性（主要确定网络输入大小，输出格式等信息）
 设置模型
主要设置模型输入的类型、数据指针、大小等信息
 运行RKNN
 获取模型输出
 后处理
 释放资源

然后进行编译，最终执行。
执行结果如下：