RV1126平台部署PPOCRV4时ONNX转换RKNN失败，如何解决？

最新推荐文章于 2025-09-03 17:23:01 发布
最新推荐文章于 2025-09-03 17:23:01 发布
阅读量1.3k 收藏 22
点赞数 29
CC 4.0 BY-SA版权
分类专栏： 全栈Bug调优(实战版) 文章标签： 计算机视觉 RV1126 ONNX PPOCRV4
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/weixin_43970743/article/details/147614096

🏆 本文收录于《全栈Bug调优(实战版)》专栏，致力于分享我在项目实战过程中遇到的各类Bug及其原因，并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者，本文将为你指引出一条更高效的Bug修复之路，助你早日登顶，迈向财富自由的梦想🚀！同时，欢迎大家关注、收藏、订阅本专栏，更多精彩内容正在持续更新中。让我们一起进步，Up！Up！Up！
  
备注： 部分问题/难题源自互联网，经过精心筛选和整理，结合数位十多年大厂实战经验资深大佬经验总结所得，数条可行方案供所需之人参考。

全文目录：

🍲问题描述

  1. 问题

RV1126平台部署PPOCRV4时ONNX转换RKNN失败，提示如下：

  1. 开发环境：
rknn_model_zoo 2.2.0
rknn-toolkit 1.7.5
onnx 1.10.0
onnx-simplifier 0.4.10
onnxoptimizer 0.3.13
onnx
了解本专栏 订阅专栏 解锁全文 超级会员免费看
如何运行和调试一个 JavaScript 代码片段，怎么打开，并且试运行？
**My Coding Family**
01-24 1751
🏆本文收录于专栏，主要记录项目实战过程中所遇到的Bug或因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由🚀；同时，欢迎大家！持续更新中，up！up！up！！
ONNX转RKNN遇到问题，如何解决？
**My Coding Family**
02-02 1275
通过上述方法，可以逐步排查并解决问题。
Ubuntu20.04编译RV1126_RV1109的SDK时，没有具体报错直接报编译buildroot失败
jbjhzstsl的博客
07-01 636
Ubuntu20.04编译RV1126_RV1109的SDK时，没有具体报错直接报编译buildroot失败
瑞芯微rv1126编译问题汇总
Jormungand123的博客
04-08 5684
最近在对着说明书学习瑞芯微，目前还在第一份说明书，刚过编译，遇到很多头疼的问题。这里记录一下最难解决的一些问题（很难百度到）： 1、sudo赋予权限的问题：ld.so: object 'libfakeroot-sysv.so' from LD_PRELOAD cannot be preloaded (cannot open shared object file): ignored. 我尝试了很多解决方案，我个人推理出最合理的解释是改路径。 以下为失败的，但我觉得未来说不定有用。 直接终端中
【凌智视觉模块】rv1106 部署 ppocrv4 检测模型 rknn 推理
m0_50786932的博客
06-11 1458
PP-OCRv4文本检测模型优化与部署 rv1106 摘要：本文介绍了PP-OCRv4文本检测模型的改进点，包括采用LCNetV3骨干网络、PFHead并行结构、动态shrink ratio（DSR）训练策略以及CML损失函数。详细说明了如何将模型转换为RKNN格式并部署到瑞芯微平台，提供了完整的代码示例，包括模型转换、预处理和后处理流程。部署方案采用视频流实时处理，每4帧处理一次以平衡性能和实时性。实验表明，该方案在嵌入式设备上能够高效运行，为OCR应用提供了实用的部署参考。
rv1109/rv1126 编译错误记录
weixin_35723192的博客
10-14 1560
rv1109、rv1126芯片介绍这么好，针对市场定制产品时会遇到各种技术问题。首先是源码编译问题，然后是运行在 rknn 的边缘算法。 解决编译错误是项目迭代的重要环节，确保每个版本的稳定性和可靠性，使得项目能够顺利向前推进。算法训练、转换、运行后续文章会继续讲解。本篇文章简单记录开发过程的编译错误。
将onnx模型转化为RV1126平台的rknn模型
C/C++、嵌入式开发、深度学习算法、模型部署与推理优化
03-08 3979
以下是将onnx模型转化为RV1126平台的rknn模型的脚本。 import os import sys import numpy as np from rknn.api import RKNN ONNX_MODEL = 'mask.onnx' RKNN_MODEL = 'yolov5s_mask.rknn' if __name__ == '__main__': # Create RKNN object rknn = RKNN(verbose=True) # pre-p
低照度SCI模型（pt-＞onnx-＞rknn）在rv1126上的部署测试
weixin_40912644的博客
08-21 1267
低照度SCI模型转换（pt->onnx->rknn）并在板端测试
RV1808/1126使用RKNN作为MediaPipe推理后端开发步骤及ONNX转RKNN模型
space01的专栏
05-30 2848
目录 1 基于RKNN推理后端集成 1.1 依赖库配置 1.2 添加计算单元Calculators 1.3 增加rknn后端调用接口 1.4 增加计算图 1.5 增加动态库生成规则 1.6 编译 1.7 运行配置 1.7.1 基于opencv的resize配置 1.7.2 基于rag的resize配置 2 RKNN模型转换 1 基于RKNN推理后端集成 RKNN SDK为RK1808等带有NPU 的平台提供编程接口...
【RV1126】Ubuntu22.04下sdk编译问题汇集
泛在安防边缘智能视频分析
04-05 1950
解决办法：更改mksquashfs相关文件，去掉bwriter_buffer，与fwriter_buffer的定义，改为‘extern’，涉及到.h .c文件，如下。buildroot 报错：c-stack.c:55:26:error:missing binary operator before token “(“55。在buildroot目录中找到c-stack.c文件,并更改c-stack.c文件中，SIGSTKSZ的宏定义。，可能存在fakeroot版本过低导致。修改c-stack.c文件，如下。
PaddleOCR-PP-OCRv4推理详解及部署实现（上）
热门推荐
周同学的博客
07-21 2万+
PaddleOCR-PP-OCRv4推理详解及部署实现（上）
RV1126 SDK编译错误及解决记录
03-02 6887
记录RV1126的SDK编译错误，以及解决处理
玩转rk3588（二）：rknn模型转换、部署及性能测试，解决视频流处理高延时问题（二）
qq_32636415的博客
12-26 5215
./configure --prefix=/usr/local --disable-sanity-checks 报错：LD_LIBRARY_PATH shouldn't contain the current directory when。修改 rknn-toolkit2-1.4.0/examples/onnx/yolov5/test.py脚本，根据具体情况修改如下位置。思路：在虚拟机上将pt模型转化成onnx模型，然后通过rknn-toolkit将onnx模型转换成rknn模型。
【OEC-Turbo】网心云 OEC-Turbo 上运行 YOLO11 的完整教程
最新发布
彬彬侠的博客
09-03 1596
本文详细介绍了在网心云OEC-Turbo（RK3566芯片）上部署YOLO11目标检测模型的完整流程。从开发机环境配置（WSL Ubuntu）、模型转换（ONNX转RKNN）、交叉编译到板端运行，提供了基于rknn-toolkit2 v2.3.2的具体操作步骤。重点解决了ONNX版本兼容性、GLIBC依赖等常见问题，并给出了性能测试预期（YOLO11n INT8约34 FPS）。教程适用于已刷Armbian系统的OEC-Turbo设备，帮助开发者快速实现NPU加速的AI应用部署。
PaddlePaddle的OCR模型转onnx-转rknn模型_笔记4
m0_60657960的博客
02-17 2112
【代码】PaddlePaddle的OCR模型转onnx-转rknn模型_笔记4。
踩坑RV1106板端部署rknn模型
weixin_45715405的博客
12-28 5999
按照官方的流程可以跑通，他自己提供的yolov5s.rknn（640*640）的模型，但是跑自己的模型的时候加载就会出错E RKNN: failed to decode config data!这个文件就是源码里面埋了很大一个坑，取反了，模型输入要求是NHWC，但是他将h取到w上面了，所以出现错乱，为什么官方自己的模型没问题推理是正常的，因为官方的是640*640，高宽尺寸是一致的，所以没有出现这个bug。如果直接拿自己的模型不修改代码，直接推理，会出现这种报错，就是类别没有对上。修改之后再次验证正常了。
如何在 RV1106 平台上部署和运行 RKNN 模型？
08-20
### ### RV1106 平台部署 RKNN 模型的步骤 在 RV1106 平台上部署 RKNN 模型需要通过 Rockchip 提供的 RKNN Runtime API 来完成。该 API 提供了完整的接口用于加载 RKNN 模型、预处理输入数据、执行推理以及解析输出结果。以下是部署的具体步骤： 1. **准备部署环境**： - 确保 RV1106 设备上已安装 RKNN Runtime 环境。 - 将转换好的 `.rknn` 模型文件复制到设备的文件系统中。 2. **加载 RKNN 模型**： - 使用 `RKNN` 类的 `load_rknn` 方法加载模型文件。 ```python from rknn.api import RKNN rknn = RKNN() rknn.load_rknn('path/to/your/model.rknn') ``` 3. **初始化运行时环境**： - 调用 `init_runtime` 方法初始化推理引擎。 ```python rknn.init_runtime(target='rv1106') ``` 4. **执行推理**： - 使用 `run` 方法执行推理，并传入预处理后的输入数据。 ```python outputs = rknn.run(inputs=[input_data]) ``` 5. **解析输出结果**： - 推理完成后，从 `outputs` 中获取模型的输出张量，并根据模型的设计进行后处理。 ### ### 部署注意事项 - **输入预处理**：在部署过程中，需确保输入数据的预处理方式与模型训练时保持一致。例如，若模型在训练时使用了归一化（如减去均值、除以标准差），则在部署时也应进行相同的处理。 - **内存管理**：由于 RV1106 是嵌入式平台，内存资源有限，因此需合理管理输入输出张量的内存分配。 - **性能优化**：可以通过调整 RKNN Runtime 的配置参数（如线程数）来优化推理速度。 ### ### 示例代码 以下是一个完整的示例代码，展示了如何在 RV1106 上部署并运行 RKNN 模型： ```python from rknn.api import RKNN # 创建 RKNN 对象 rknn = RKNN() # 加载 RKNN 模型 rknn.load_rknn('path/to/your/model.rknn') # 初始化运行时环境 rknn.init_runtime(target='rv1106') # 执行推理 input_data = ... # 输入预处理后的数据 outputs = rknn.run(inputs=[input_data]) # 释放资源 rknn.release() ``` ###
评论
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

bug菌¹

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