长沙知名网站,wordpress 优惠插件,迪庆州建设局网站,网站建设工具有哪些目录 1. rknn简介2. 环境搭建2.1 下载 RKNN-Toolkit2 仓库2.2 下载 RKNN Model Zoo 仓库2.3 下载交叉编译器2.4 下载Docker镜像2.5 下载ndk2.5 加载docker镜像2.6 docker run 命令创建并运行 RKNN Toolkit2 容器2.7 安装cmake 3. 模型转换3.1 下载模型3.2 模型转换 4. 编译cdem… 目录 1. rknn简介2. 环境搭建2.1 下载 RKNN-Toolkit2 仓库2.2 下载 RKNN Model Zoo 仓库2.3 下载交叉编译器2.4 下载Docker镜像2.5 下载ndk2.5 加载docker镜像2.6 docker run 命令创建并运行 RKNN Toolkit2 容器2.7 安装cmake 3. 模型转换3.1 下载模型3.2 模型转换 4. 编译cdemo5. 推送到板端运行 1. rknn简介
RKNN 是由瑞芯微电子公司开发的一个跨平台的神经网络推理框架。它主要具有以下特点: 跨平台支持: RKNN 可以在多种硬件平台上运行,包括 ARM CPU、x86 CPU 以及瑞芯微的 NPU 等。这使得 RKNN 具有良好的灵活性和适用性。 高性能推理: RKNN 针对不同硬件平台进行了优化,能够提供高效的神经网络推理性能。在瑞芯微 NPU 上的性能尤其出色。 模型转换: RKNN 支持将主流的深度学习框架如 TensorFlow、PyTorch、Caffe 等训练的模型转换为 RKNN 格式,以便在目标硬件上部署运行。 丰富的算子支持: RKNN 支持业界主流的神经网络算子,能够覆盖绝大部分的深度学习应用场景。 易用性: RKNN 提供了友好的 API 和工具,方便开发者进行神经网络的部署和优化
2. 环境搭建
2.1 下载 RKNN-Toolkit2 仓库
git clone https://github.com/airockchip/rknn-toolkit2.git --depth 12.2 下载 RKNN Model Zoo 仓库
git clone https://github.com/airockchip/rknn_model_zoo.git --depth 12.3 下载交叉编译器
https://console.zbox.filez.com/l/H1fV9a (提取码是rknn) 将其解压拷贝到rknn_model_zoo目录下
2.4 下载Docker镜像
Docker 镜像文件网盘下载链接https://console.zbox.filez.com/l/I00fc3 提取码rknn
2.5 下载ndk
https://github.com/android/ndk/wiki/Unsupported-Downloads 下载android-ndk-r19c并将其解压拷贝到rknn_model_zoo目录下
2.5 加载docker镜像
docker load --input rknn-toolkit2-v2.3.0-cp38-docker.tar.gz2.6 docker run 命令创建并运行 RKNN Toolkit2 容器
docker run -t -i --privileged \-v /dev/bus/usb:/dev/bus/usb \-v /root/wyw/rknn_model_zoo:/rknn_model_zoo \rknn-toolkit2:2.3.0-cp38 \/bin/bash/root/wyw/rknn_model_zoo-宿主机目录 /rknn_model_zoo-映射的docker目录
2.7 安装cmake
进入docker后安装cmake
apt-get install cmake3. 模型转换
3.1 下载模型
以RetinaFace为例
# 进入 rknn_model_zoo/examples/yolov5/model 目录
cd rknn_model_zoo/examples/RetinaFace/model
# 运行 download_model.sh 脚本下载 yolov5 onnx 模型
# 例如下载好的 onnx 模型存放路径为 model/yolov5s_relu.onnx
./download_model.sh3.2 模型转换
# 进入 rknn_model_zoo/examples/RetinaFace/python 目录
cd /rknn_model_zoo/examples/RetinaFace/python
# 运行 convert.py 脚本将原始的 ONNX 模型转成 RKNN 模型
# 用法: python convert.py model_path [rv1103|rv1103b|rv1106|rv1106b] [i8/fp] [output_path]
python convert.py ../model/RetinaFace_mobile320.onnx rk3568 i8 ../model/RetinaFace_mobile320.rknn
# 注rv1103、rv1106和rv1103b、rv1106b生成的模型不能共用注意在model目录下有一个dataset.txt文件是用来量化生成校准表的下载数据集5000通过find 1500/ -type f dataset.txt命令生成dataset.txt
4. 编译cdemo
我是用于Android端因此编译使用ndk
# 添加到 build-linux.sh 脚本的开头位置即可
GCC_COMPILER/rknn_model_zoo/arm-rockchip830-linux-uclibcgnueabihf/bin/arm-rockchip830-linux-uclibcgnueabihf
ANDROID_NDK_PATH/rknn_model_zoo/android-ndk-r19c
./build-android.sh -t rk3568 -a arm64-v8a -d yolov55. 推送到板端运行
详见01_Rockchip_RV1106_RV1103_Quick_Start_RKNN_SDK_V2.3.0_CN.pdf
