cumtchw

目录1CMakeLists.txt2 build.sh1CMakeLists.txtcmake_minimum_required(VERSION 3.4.1)project(rknn_jam_demo_linux)set(CMAKE_SYSTEM_NAME Linux)set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS}")set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++17")if (CMAKE_..

import osimport urllibimport tracebackimport timeimport sysimport numpy as npimport cv2from rknn.api import RKNNRKNN_MODEL = 'yolov5n_pcb.rknn'IMG_PATH = './test0.jpg'QUANTIZE_ON = TrueBOX_THRESH = 0.5NMS_THRESH = 0.6IMG_SIZE = 640CLASS.

目录1 下载sqlite3源码并解压2 安装RV1126的交叉编译工具链3 配置4 编译安装1 下载sqlite3源码并解压SQLite Download Page去上面的网址下载源码，tar -xzvf sqlite-autoconf-3380200.tar.gz cd sqlite-autoconf-3380200/2 安装RV1126的交叉编译工具链RV1109_RV1126 EVB开发板环境搭建及使用总结_陈 洪 伟的博客-CSDN博客_rv1...

目录1.模型下载2 转成rknn模型并推理3 查看网络模型1.模型下载首先下载MobileFaceNet的模型，github下载地址为：https://github.com/sirius-ai/MobileFaceNet_TF/tree/master/arch/pretrained_model/2 转成rknn模型并推理import numpy as npimport cv2from rknn.api import RKNNif __name__ == '__..

1.模型下载首先需要下载facenet的模型，github下载网址为：https://github.com/davidsandberg/facenetPre-trained modelsModel name LFW accuracy Training dataset Architecture 20180408-102900 0.9905 CASIA-WebFace Inception ResNet v1 20180402-114759 0.996

目录1 下载工程2 编译2.1 首先将CMakeLists.txt修改为如下的形式2.2 添加opencv库文件和头文件2.3 编写build.sh3 运行工程源自：https://github.com/zxcv1884/rv1126_rknn_blazeface1 下载工程首先下载工程：https://github.com/zxcv1884/rv1126_rknn_blazeface2 编译直接用github上工程自带的东西是编译不通过的，需要做如下修改2.

#!/bin/bashset -e# for rk1808 aarch64#GCC_COMPILER=${RK1808_TOOL_CHAIN}/bin/aarch64-linux-gnu# for rk1806 armhf# GCC_COMPILER=~/opts/gcc-linaro-6.3.1-2017.05-x86_64_arm-linux-gnueabihf/bin/arm-linux-gnueabihf# for rv1109/rv1126 armhf###GCC_COM.

1 转换方法将yolov5的pth模型转成rknn模型，具体方法分两步利用yolov5工程中自带的export.py将pt模型转成onnx模型 利用如下脚本生成rknn模型将onnx模型转化为RV1126平台的rknn模型_cumtchw-CSDN博客这篇笔记不是为了介绍具体转换方法，而是记录一下中间转换过程中的一些问题。2 yolov5版本问题我们想在瑞芯微的板子用C++推理yolov5的rknn模型，目前一般是利用瑞芯微提供的C++ demo瑞芯微RV1126的YOLOv5官

import osimport urllibimport tracebackimport timeimport sysimport numpy as npimport cv2from rknn.api import RKNNONNX_MODEL = 'yolov5s.onnx'RKNN_MODEL = 'yolov5s.rknn'IMG_PATH = './bus.jpg'DATASET = './dataset.txt'QUANTIZE_ON = TrueBOX_THR.

以下是将onnx模型转化为RV1126平台的rknn模型的脚本。import osimport sysimport numpy as npfrom rknn.api import RKNNONNX_MODEL = 'mask.onnx'RKNN_MODEL = 'yolov5s_mask.rknn'if __name__ == '__main__': # Create RKNN object rknn = RKNN(verbose=True) # pre-p

RKMedia — Firefly Wiki

1.STM32的gcc编译器下载Arm GNU Toolchain | GNU Arm Embedded Toolchain – Arm Developer2.cortex-A编译器下载Arm GNU Toolchain | GNU-A Downloads – Arm Developer3.Linaro交叉编译工具aarch64-linux-gnu-gcc 是由 Linaro 公司基于 GCC 推出的的 ARM 交叉编译工具。可用于交叉编译 ARMv8 64 位目标中的裸机程序、u-bo

在rv1126上运行Tengine的demo时报错，Error: input elem num(408000) != reshaped elem num(102000)Tengine FATAL: Infer node(id: 276, op: Reshape) shape failed.Tengine: Infer shape of graph failed(-1).Prerun multithread graph failed.使用的命令为./build/install/bin/t

交叉编译tengine，使它能在瑞芯微的rv1126平台上运行。具体步骤如下。1.依赖项依赖项有三部分：第一部分是 TIM-VX 的源码，代码仓库在下方； 第二部分是 芯片对应板卡的 galcore.ko 的版本，对于 linux 平台，最低版本是 6.4.3.p0.286725；对于 Android 平台，最低版本是 6.4.3.279124+1。 第三部分是 TIM-VX 的依赖库，主要是直接依赖的 libCLC.so libGAL.so libOpenVX.so libOpenVXU.s

1.前言yolov5-face只检测一个种类，nc=1,yolov5-face的三个输出分别是1x3x80x80x161x3x40x40x161x3x20x20x16这里的3是指RGB三个通道，每个通道都会产生一个结果，这里的16是指x y w h boxScore x1 y1 x2 y2 x3 y3 x4 y4 x5 y5 idScore。2.代码这里以瑞芯微的代码为例，只不过在前面和后面加上了有关padding resize的处理，瑞芯微的具体代码见rkn...

如果是1109/1126的话，把https://github.com/rockchip-linux/rknpu/tree/master/drivers/linux-armhf-puma/　push到板子的对应目录。https://github.com/rockchip-linux/rknpu/blob/master/drivers/npu_ko/galcore_puma.kopush到板子/lib/modules/galcore.ko...

在RV1126开发板上使用mqtt向ubuntu服务器推送消息时，得到如下报错。nitializing for server 'tcp://192.168.1.7:1883'... ...OKConnecting...Waiting for the connection...MQTT error [-1]: TCP/TLS connect failure于是用telnet命令测试下192.168.1.7的1883端口是否畅通。telnet 192.168.1.7 1883te.

1.下载mqtt最开始是想在瑞芯微的rv1126板子上面使用mqtt推送消息，然后搜索mqtt c++,得到如下结果然后去github上下载mqttgit clone https://github.com/eclipse/paho.mqtt.cpp2.参考文献：https://github.com/eclipse/paho.mqtt.cpp......

用串口连接RV1126开发板时打印乱码，我设置了UTF8也还是乱码，然后网上发现了一个说明，才发现是波特率设置的不对，之前自己经常用的就是9600,115200这些，从没用过1500000.参考文献：Toybrick Wiki...

1.安装conda下载anaconda并安装：Anaconda | Individual Edition安装完成之后用conda create -n rv1126 python=3.6.8发现好慢，于是尝试修改conda源，2.修改conda源首先，在CMD命令行输入以下两条命令：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --s..

用如下脚本将yolov5模型转换成rknn模型if __name__ == '__main__': # Create RKNN object rknn = RKNN() if not os.path.exists(ONNX_MODEL): print('model not exist') exit(-1) # pre-process config print('--> Config model') rknn.c

1.前言标准的yolov5的输出有三个，分别是1x255x80x801x255x40x401x255x20x20其中这里的255是85*3，这里的3是指RGB三个通道，每个通道都会产生一个结果，而这里的85是指5+80=85，其中80是类别数量，每个类别数量对应一个label score,一共80个label score,而5是指box的四个坐标加一个box score.2.代码这里以瑞芯微的代码为例，只不过在前面和后面加上了有关padding resize的处理，瑞芯微的具体代

1.首先在ubuntu上安装RV1126的交叉编译工具链方法见RV1109_RV1126 EVB开发板环境搭建及使用总结中的步骤4.2.下载opencv源码并解压去Releases - OpenCV下载源码，我这里使用的3.4.12版本。3.

在RV1126上面跑模型时，报下面的错误。sdk version: librknn_runtime version 1.6.0 (6523e57 build: 2021-01-15 15:56:31 base: 1126) driver version: 6.4.3.5.293908model input num: 1, output num: 1 index=0, name=images_245, n_dims=4, dims=[1, 3, 640, 640], n_elems=1228800

./run_rv1109_rv1126.shpost process config: box_conf_threshold = 0.50, nms_threshold = 0.60Loading mode...Create RKNN model fail, error=-13rknn_init error ret=-13在rv1126板子上加载rknn模型时报错，查找Rockchip_User_Guide_RKNN_API_V1.6.0_CN.pdf看到于是回去查看转换模型的脚本。..

首先下载package:Releases · rockchip-linux/rknn-toolkit · GitHub下载完之后解压得到然后用下列命令安装即可。pip -r requirements-gpu.txtpip install rknn_toolkit-1.7.0-cp36-cp36m-linux_x86_64.whl然后测试安装是否成功：pythonfrom rknn.api import RKNN...

瑞芯微的官网只有产品介绍，没法下载相关资料，以下两个网站上有一些瑞芯微的资料，Firefly论坛首页toybrick

1.安装adb首先我们需要能够访问RK1126开发板，所以我们首先安装adb，windows安装adb的方法见我的这篇博客：windows下载安装adb（极其简单）安装完adb之后，用usb线连接RK1126开发板的USB2.0 OTG口(注意不要连接debug uart2，这个是串口)，就可以在windows的终端中使用如下命令进入开发板调试C:\Users\chw$ adb devicesList of devices attached1d4473333ea96020 .

将RV1109_RV1126 EVB板连接到电脑后，运行adb devices提示如下错误：List of devices attached原因是我的usb线连接到了usb debug串口，将usb线连接到usb2.0 UTG口，然后adb devices就可以识别设备了。$ adb devicesList of devices attached1d4473333ea96020 device...