35、ubuntu20.04搭建瑞芯微的npu仿真环境和测试rv1126的Debain系统下的yolov5+npu检测功能以及RKNN推理部署以及RTSP视频流解码

已于 2023-03-06 13:12:04 修改
阅读量7.7k 收藏 90
点赞数 9
分类专栏： 硬件的基本知识 文章标签： 学习
于 2022-08-06 10:29:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sxj731533730/article/details/126190601
版权

基本思想：手中有一块core-1126/1109-JD4,记录一下其刷机过程和开发人数统计，与树莓派的nanodet 每帧200ms对比一下

 第一步：刷机，真的是难，各种各样的小问题，反正成功的方法只有一个，遇到问题，断电重新进行连接，刷机，基本都能解决上次的问题，这说的我都无语了,刷的debain10系统

这里注意是otg接口 外侧边缘的usb接口

刷机固件网址和方法参考官方手册，附录固件升级

工具是：F:\rv1126\RKDevTool\RKDevTool_Release_v2.86

镜像是：F:\rv1126\AIO-RV1126(1109)-JD4\Buildroot\薪火车牌识别固件\AIO-RV1126_RV1109-XHLPR_IPC_2021_0906_1125

替换配置是：F:\rv1126\Debian10\debian10_2021_0429_1902

了解本专栏 订阅专栏 解锁全文 超级会员免费看
sxj731533730
关注
  • 9
    点赞
  • 踩
  • 90
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 28
    评论
专栏目录
订阅专栏
onnx报错 relu6 to ONNX opset version 11 is not supported.
jacke121的专栏
07-12 752
onnx报错 relu6 to ONNX opset version 11 is not supported.
yolov5训练数据，并运行在rv1126平台
u011827554的专栏
03-12 464
4.导出(py38gpupt) rv1126@rv1126:~/ai/yolov5-7.0/yolov5-7.0$ python export.py --weights ./runs/train/exp8/weights/best.pt --img 640 --batch 1 --include onnx。3.修改yolo.py输出为3个出口 并导 (py38gpupt) rv1126@rv1126:~/ai/yolov5-7.0/yolov5-7.0$ gedit models/yolo.py &
Ubuntu20.04部署yolov5目标检测算法，无人车/无人机应用
热门推荐
振华OPPO的博客世界
07-17 1万+
FireFlyRK3588开发板上烧录的Ubuntu20.04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C++版本了，并且转化了pt模型为rknn模型，调用npu进行推理，效果和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5目标检测代码。...
在ubuntu20.04下配置android P源码编译环境
01-03
如何在ubuntu20.04下配置 魔趣P 源码编译环境及常见错误解决一 Ubuntu20.04 LTS 安装更新软件源->阿里云1.安装Chrome2.安装Vim3.点击图标最小化二 配置魔趣源码环境1.下载 git2.设置 git 账户3.下载python4.配置PATH环境变量5.安装 curl 库，并设置权限三 下载源码1.建立源码目录2.初始化仓库，并指定版本3.修改.repo/manifest/default.xml4.同步源码四 开始编译 一 Ubuntu20.04 LTS 安装 ubuntu20的稳定版刚刚发布,界面动画对比历代有极大改善,爱不释手啊,所以决定长期使用
Ubuntu20.04+3090ti+python3.6+tensorflow+pytorch下conda环境配置文件.yml
04-17
Ubuntu20.04+3090ti+python3.6+tensorflow+pytorch下conda环境配置文件.yml 详情可查看博客：https://blog.csdn.net/weixin_42213421/article/details/124225950 python=3.6.13 tensorflow-gpu=2.6.2 tensorboard=2.6.0 keras=2.6.0 pytorch=1.10.2 scikit-learn=0.24.2 cudatoolkit=11.3.1
ubuntu20.04 PXE 网络自动化部署
05-25
ubuntu20.04 PXE 网络自动化部署
onnxoptimizer、onnxsim使用记录
a486259的博客
06-21 5588
onnxoptimizer、onnxsim被誉为onnx的优化利器，其中onnxsim可以优化常量，onnxoptimizer可以对节点进行压缩。为此以resnet18为例，测试onnxoptimizer、onnxsim对于模型的优化效果。onnxoptimizer、onnxsim的安装代码如下所示：pip install onnxoptimizerpip install onnxsimresnet18的结构如下所，可见为多个CBR部件构成 ResNet( (conv1): Conv2d(3, 64,
易百纳rv1126 a201开发板跑rknn yolov5
zunly的博客
10-07 2529
使用易百纳的a201板子， 核心是rv1126， 使用rknn跑yolov5的模型推测。
Rockchip RV1126 模型部署（完整部署流程）
DAOCHI
03-16 7998
YOLO-V5在RV1126部署全流程（环境配置，模型转换，C++模型推理，芯片运行），验证有效。
RV1126平台使用
A_anonymous_user的博客
11-02 520
RV1126平台使用
ubuntu 20.04上搭建LNMP环境的方法步骤
09-14
主要介绍了ubuntu 20.04上搭建LNMP环境的方法步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Ubuntu20.04+3090ti+python3.7+tensorflow+pytorch下conda环境配置文件.yml
04-17
Ubuntu20.04+3090ti+python3.7+tensorflow+pytorch下conda环境配置文件.yml 详情可查看博客：https://blog.csdn.net/weixin_42213421/article/details/124225950 python=3.7.13 tensorflow-gpu=2.8.0 tensorboard=2.8.0 keras=2.8.0 pytorch=1.11.0 scikit-learn=1.0.2 cudatoolkit=11.3.1
从端到端打通模型端侧部署流程（NCNN）
KingsMan666的博客
02-13 2871
深度学习已经在生活的方方面面被应用和重视。随着手机算力的不断提升，以及深度学习的快速发展，特别是小网络模型不断成熟，原本在云端执行的推理预测就可以转移到端上来做。端智能即在端侧部署运行 AI 算法，相比服务端智能，端智能具有低延时、兼顾数据隐私、节省云端资源等优势。目前端智能正逐渐变为趋势，从业界来看，它已经在 AI 摄像、视觉特效等场景发挥了巨大价值。ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。
Unsupported ONNX opset version: 11
jacke121的专栏
02-25 1万+
Unsupported ONNX opset version: 11 估计是pytorch不支持，重新安装pytorch2.0可能能解决。
Ubuntu 20.04安装RKNN-Toolkit2出现tf-estimator-nightly==2.8.0.dev2021122109找不到的问题
最新发布
weixin_51447731的博客
03-27 481
在Ubuntu 20.04虚拟机安装可以转换非RKNN模型的RKNN-Toolkit2，以便将训练好的Pytorch模型转换为RKNN模型在RK3588上运行
yolov5部署在瑞星微1126开发板（末尾彩蛋）
m0_60524373的博客
10-13 4379
yolov5移植到开发板
【详细记录】rv1126 跑通 yolov5
weixin_45824067的博客
08-02 2033
在前面，已经将 onnx模型转为 rknn模型。这里探讨的是：rknn模型在rv1126开发板上运行。
RV1126_python人脸识别Retinaface+MobilefaceNet
guolele2010的专栏
03-09 3176
在RKNN上实现人脸识别过程。模型采用Retinaface MobilefaceNet。采用Python代码 在线实现
yolov5+rk3588
11-09
olov5是一种目标检测算法，而rk3588是瑞芯微公司推出的一款高性能芯片。yolov5+rk3588的组合可以实现高效的目标检测功能。具体实现步骤如下： 1. 在Ubuntu 20.04系统上搭建瑞芯微的npu仿真环境和测试rv1126的Debain系统下的yolov5+npu检测功能以及RKNN推理部署以及RTSP视频流解码。 2. 下载yolov5的代码和预训练模型，使用export.py脚本将模型转换为ONNX格式。 3. 在rk3588芯片上安装RKNN Toolkit，并使用该工具将ONNX模型转换为RKNN模型。 4. 在rk3588芯片上部署RKNN模型，并使用摄像头或视频流进行目标检测。

“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 28
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

sxj731533730

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

实付元
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