瑞芯微1126环境配置说明

最新推荐文章于 2025-03-03 21:54:09 发布
最新推荐文章于 2025-03-03 21:54:09 发布
阅读量1.4k 收藏 8
点赞数 4
文章标签： tensorflow 人工智能 python
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/whalevoy/article/details/126779213
版权

1126环境配置说明

主要参照：

RV1109_RV1126 EVB板使用总结_咬我呀_Gemini的博客-CSDN博客_evb板

  1. usb驱动安装

  1. 虚拟机vmware如何共享文件夹

VMware ubuntu虚拟机与主机共享文件夹_whr197的博客-CSDN博客_ubuntu虚拟机和主机共享文件夹

  1. 开发板连接电脑以及深度学习

瑞芯微 TB-RK3399Pro -- 开发板环境_荪荪的博客-CSDN博客_rk3399

  1. 配置rknn

[RV1109/RV1126系列]-1.安装部署RKNN_ToolKit进行算法NPU移植_Ant5985的博客-CSDN博客_rv1126部署pytorch

  1. RV1109_RV1126 EVB板使用总结

RV1109_RV1126 EVB板使用总结_咬我呀_Gemini的博客-CSDN博客_evb板

  1. 认识buildboot

认识Buildroot_就是个linux工程师的博客-CSDN博客_buildroot

  1. 安装tensorflow报错时，可以升级pip

一开始安装tensorflow报错

升级pip后重新安装正常

  1. 安装rknn报错

可见rknn和python的一个画图库matplot是冲突的，此处暂时不做处理；

  1. Pc仿真环境中试跑demo

  1. 客户端连接Com无法打开，重新安装驱动

D:\BaiduNetdiskDownload\rp-rv1126_rv1109\06-工具\烧写驱动\DriverAssitant_v5.0

  1. Rknn sever编译烧录

  1. 重要：如何连接adb 进行调试

  1. Usb接入ubuntu系统后报错

  1. Pc联机调试开发板，报错

没有rknnsever，所以不能进行联机调试；

  1. 开发板 连接pc端联调，需要开发板侧有rknn server模块；

  1. 安装交叉编译工具链

  1. 交叉编译rknn的demo

  1. 交叉编译文件上传到板子上

  1. 在板子上运行算法模型

whalevoy
关注
【目录】瑞芯微RV1126/RV1109学习笔记
丨晋丨
12-07 2291
【目录】瑞芯微RV1126/RV1109学习笔记
瑞芯微RK3588配置以及点亮sensor——CAM-8MS1M
HI_DMXB的博客
07-17 2514
CAM-8MS1M接到任务，要点亮一个sensor——CAM-8MS1M。但是我相机接到开发板上检测不出来，试了很多方法也失败。问了技术支持，才知道原来我之前刷的3588固件版本太低，检测不到相机，需要重新烧写固件，很痛苦，这样我之前的东西就都没有了（包括之前跑rknn的yolov5环境等等）。但是不破不立，开始从零记录。
RV1126扩展USB音视频设备
Wifi__Baby的博客
05-22 1001
SDK版本：rv1126_1109_V2.2板子型号：易百纳A191，38板。
RV1126（瑞芯微）使用前需知、准备工作及一些技巧（一）
qq_56066759的博客
11-04 1104
本文概述了在使用RV1126前需要了解的基本知识，包括SDK文件的使用、如何烧录文件等等，为接下来软硬件系统的开发打下基础。 下一篇将详细介绍主机系统连接rv1126的步骤。
RV1126的OSD模块和SDL_TTF结合输出H264文件
weixin_51931174的博客
03-03 738
用RV1126多线程输出OSD叠加需要经过上面几个重要步骤，分别是VI模块初始化、VENC模块初始化、RGN模块初始化、多线程进行OSD字库的叠加(里面主要是进行字库的渲染和RV1126的OSD模块叠加)、多线程获取每一帧OSD处理过后的编码数据。上面是OSD叠加的代码，主要是通过RV1126的RNG模块对VENC进行OSD进行字库叠加。VENC模块的初始化实际上就是对VENC_CHN_ATTR_S的参数进行设置、然后调用。指的是输入的数值，align是要对齐的数值。这里是设置VENC的属性。
【硬件部署】RV1126开发板连接Windows常用工具ADB以及方法
梦想是要有的，万一实现了呢！
04-06 6743
硬件开发板应该方法是通用的。 下载地址： Windows版本：https://dl.google.com/android/repository/platform-tools-latest-windows.zip Mac版本：https://dl.google.com/android/repository/platform-tools-latest-windows.zip Linux版本：https://dl.google.com/android/repository/platform-tools-lat
RV1126_EVB_usb调试接口使用方法.docx
06-30
RV1126_EVB_usb调试接口使用方法.docx
RV1126_EVB_usb调试接口使用方法.pdf
01-29
关于RV1126/RV1109 问得最多的，整理成文档呈现给各位~
瑞芯微 RK3588 环境搭建 SDK编译 编译指定模块
baoecit的博客
05-30 3515
厂家推荐是虚拟机下 我这真好有真实的UBUNTU环境 就不用虚拟机了。需要将00到04 的压缩包 重新打包成一个文件 文档里面也已经给出命令了。这里主要用到两个目录 一个是源码也即SDK 交叉编译链 编译工具。如果在windows下面看 如下 是看不到符号链接文件的。需要注意的是 下下来的时候 只有下面绿色的部分。然后切到源码目录 我这里改名为SDK了。厂家给的资料下载下来之后 我的目录如下。具体目录不一样 按照文档说明操作即可。先安装交叉编译链 按照文档说明。搜了下需要执行如下命令。
瑞芯微RV1126部署YOLOv8全流程：环境搭建、pt-onnx-rknn模型转换、C++推理代码、错误解决、优化、交叉编译第三方库
cumtchw
02-18 1495
瑞芯微RV1126部署YOLOv8全流程：环境搭建、pt-onnx-rknn模型转换、C++推理代码、错误解决、优化、交叉编译第三方库
国产不同硬件平台的算法部署模板（含海思、瑞芯微和比特大陆等）+说明文档.zip
最新发布
04-07
安装环境：配置适用于瑞芯微平台的开发环境和工具链。 导出模型：导出你的模型文件。 模型转换：将训练好的模型转换为Rockchip平台支持的格式。 硬件优化：根据硬件平台的特性进行性能优化和参数调整。 部署测试：在...
rv1126开发板设置修改ip地址
weixin_41012767的博客
06-06 1858
rv1126开发板设置修改ip地址
【智能硬件】RV1126 基础环境配置
梦想是要有的，万一实现了呢！
04-11 2991
1、查看当前开发板ip地址 查看ipv4地址 二、升级
[智能AI摄像头]rv1126搭建rknpu开发环境并添加opencv库、更新板端rknpu驱动
嵌入式人工智能相关
10-12 4346
rv1126搭建rknn_toolkit以及rknpu开发环境并更新板端rknpu驱动为1.7.3同时添加opencv库
rv1126和PC之间的数据交流（windows）
Jormungand123的博客
04-14 2206
实物连线： 总结一下刚实现的小突破：实现板子与电脑的数据交换。 以上为实验连线图，右上角为电源线，左上角这个连接电脑即可用adb调试，右边三条线是ttl转usb串口通信。 adb调试： 解压06-工具里adb连接工具，里面打开命令提示符 这个界面可以使用push和pull来和板子进行文件上传和下载。 在这个界面输入adb shell，即相当于进入了板子的终端，可以输入指令控制板子，例如连接wifi等。 串口调试： 在调试串口接线说明.pdf里有教程。先运行silicon再运行X.
linux开发板增加adb功能
kunkliu的博客
01-29 4028
前言 本文将以100ask的imx6ull开发板为例，在开发板增加adb功能，该功能可以用于文件传输和开发调试；可以将pc端的文件传输到开发板。 一、Buildroot配置 Buildroot配置，需要将adb功能打开并加usb功能配置脚本 1、打开adb相关配置 进入buildroot目录执行配置命令： make menuconfig 1 打开adb相关配置，如下图所示 2、添加配置脚本 进入100ask_imx6ull-sdk/Buildroot_2019.02/board
RV1126-USB测试记录
sinat_38189932的博客
10-09 443
port：表示总线上的硬件端口号；比如1-0是根hub自身信息，当hub上有插入设备时，就会出现1-1了。port：如果总线上的硬件端口连接的设备是一个HUB，那么该port表示连接在hub上的硬件端口号；主要目的是期望通过usb-control扫描devices数量，根据数量不对称来手动复位。1-0:1.0表示控制器1的第0个硬件接口的第一个配置编号为0 此通常为hub本身信息。configuration：表示设备的配置值；bus：表示USB控制器所连接的总线编号；interface：表示设备的接口号；
Windows下给瑞芯微ROC-3588-PC烧录Ubuntu20.04.4
Blueeyedboy521的博客
10-17 6957
ROC-RK3588S-PCS采用 Rockchip RK3588新一代旗舰级八核64位处理器，最大可配32GB大内存；支持8K视频编解码；支持千兆网、；支持多种操作系统；可适用于ARM PC、边缘计算、云服务器、智能NVR等领域，开发板默认是Android12系统。本文介绍了如何将主机上的固件，通过Type-C 数据线烧录到 ROC-RK3588S-PC 开发板的存储器中。升级时，需要根据主机操作系统和固件类型来选择合适的升级方式。
解决虚拟机USB接口无法识别的问题
热门推荐
tip2tip的博客
01-10 1万+
问题描述： 外接设备选择连接主机的时候可以识别，但是选择连接到虚拟机的时候却无法识别 原因分析： 可能是因为设备接口为USB3.0，而虚拟机默认安装的是USB2.0接口 解决方案： 1、打开虚拟机设置 2、USB控制器的兼容性设为USB3.0 3、安装驱动 在上面提示的链接中下载USB3.0的驱动，并在虚拟机中安装 点击set up，默认安装即可 ...
yolov8瑞芯微RKNN
02-12
### YOLOv8 模型转换与部署至瑞芯微 RKNN 平台教程 #### 准备工作 为了成功将YOLOv8模型转换并部署到瑞芯微RKNN平台上，需准备必要的开发环境和工具链。确保安装了Python、PyTorch以及ONNX等相关库。 #### 将 PyTorch 模型导出为 ONNX 格式 首先需要把原始的YOLOv8 PyTorch模型保存成通用中间表示形式——ONNX文件。此过程涉及定义输入张量形状，并调用`torch.onnx.export()`函数完成转换操作[^3]。 ```python import torch from ultralytics import YOLO model = YOLO('yolov8n.pt') # 加载预训练好的YOLOv8 nano版本模型 dummy_input = torch.randn(1, 3, 640, 640) # 创建虚拟输入数据用于导出 output_onnx = 'yolov8n.onnx' input_names = ["image"] output_names = ['boxes', 'labels'] torch.onnx.export(model, dummy_input, output_onnx, input_names=input_names, output_names=output_names, opset_version=12) ``` #### 使用 RKNN Toolkit 进行模型优化与编译 一旦获得了`.onnx`格式的目标检测网络结构描述文档，则可以利用官方提供的[RKNN Toolkit](https://github.com/rockchip-linux/rknn-toolkit)，将其进一步转化为适用于特定硬件架构下的可执行二进制码（即`.rknn`文件）。具体命令如下所示： ```bash pip install rknn-toolkit==1.7.0 # 安装对应版本的RKNN toolkit包 ``` 接着编写一段简单的脚本来处理后续步骤: ```python from rknn.api import RKNN if __name__ == '__main__': # Create RKNN object rknn = RKNN() # Pre-process config print('--> Config model') rknn.config(mean_values=[[0, 0, 0]], std_values=[[255, 255, 255]], target_platform='rv1126') # Load ONNX model print('--> Loading model') ret = rknn.load_onnx(model='./yolov8n.onnx') if ret != 0: print('Load ONNX model failed!') exit(ret) # Build model print('--> Building model') ret = rknn.build(do_quantization=True, dataset='./dataset.txt') if ret != 0: print('Build model failed!') exit(ret) # Export RKNN model print('--> Exporting RKNN model') ret = rknn.export_rknn('./yolov8n.rknn') if ret != 0: print('Export RKNN model failed!') exit(ret) print('done') ``` 上述代码片段展示了如何通过设置量化参数来减小最终生成的应用程序体积大小的同时保持较高的精度水平；同时也指定了目标平台为RV1126系列处理器作为运行载体之一[^1]。 #### C++ 接口实现推理功能 最后，在嵌入式设备端可通过C++ API接口加载之前构建出来的`.rknn`文件来进行实时图像识别任务。下面给出了一段简化版的例子说明怎样初始化会话对象、配置输入输出缓冲区尺寸规格等细节事项[^2]: ```cpp #include "rknn_api.h" int main() { const char* model_path = "./yolov8n.rknn"; int ret; /* 初始化 */ rknn_context ctx; ret = rknn_init(&ctx, model_path, 0, 0, NULL); if (ret < 0){ printf("rknn_init fail! ret=%d\n", ret); return -1; } /* 获取输入输出属性信息 */ rknn_tensor_attr *input_attrs = new rknn_tensor_attr[input_num]; memset(input_attrs, 0, sizeof(rknn_tensor_attr)*input_num); for(int i=0; i<input_num; ++i){ input_attrs[i].index=i; ret=rknn_query(ctx,RKNN_QUERY_INPUT_ATTR,&input_attrs[i],sizeof(rknn_tensor_attr)); ... } } ``` 这段源码实现了基本的功能框架搭建，实际应用中还需要补充更多逻辑控制语句以满足不同场景需求。
评论 1
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
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