RKNN-Toolkit安装

1pip 安装

系统依赖
在这里插入图片描述

首先建立虚拟环境创建python3.6的环境

conda create -n rknn python=3.6.6   # 创建新的虚拟环境
conda activate rknn     # 激活新建的虚拟环境
sudo apt install python3-tk
pip install numpy==1.18
pip install tensorflow==1.15
pip install tensorflow-gpu==1.15
pip install opencv-python

下载rknn_toolkit-1.2.1-cp36-cp36m-linux_x86_64

wget http://repo.rock-chips.com/python/rknn_toolkit-1.2.1-cp36-cp36m-linux_x86_64.whl
pip install rknn_toolkit-1.2.1-cp36-cp36m-linux_x86_64.whl 

2 RKNN-Toolkit 的使用

2.1查看设备版本

看看环境有没有安装正确

from rknn.api import RKNN
if __name__ == '__main__':
    rknn = RKNN()
    rknn.list_devices()
    rknn.release()

当插入一张
在这里插入图片描述
当插入2张
在这里插入图片描述

2.2修改usb的访问权限

插入RK1808 人工智能计算棒,需要修改其USB设备访问权限,操作步骤如下:
返回至U盘根目录, 拷贝tool/update_rk1808_ai_cs_rule.sh到当前HOME目录的rknn目录下, 修改update_rk1808_ai_cs_rule.sh为可执行权限。

chmod +x update_rk1808_ai_cs_rule.sh 
sudo ./update_rk1808_ai_cs_rule.sh

这一步只需要在第一次执行时使用一次

lsusb

在这里插入图片描述
其中Bus 002 Device 012是计算棒的设备编号

2.3pc上运行

从官方FTP文件服务器下载mobilenet_v1压缩包,并解压出来:

wget http://repo.rock-chips.com/rk1808/mobilenet_v1.tar.gz
tar xvf mobilenet_v1.tar.gz

进入mobilenet_v1目录, 并执行test.py 脚本:

cd mobilenet_v1/
python3 test.py

在这里插入图片描述
实验成功

python3 test_inference.py

在这里插入图片描述

  • 2
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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