飛凌嵌入式RK3588開發(fā)板推理模型轉(zhuǎn)換及測試

RKNN（Rockchip Neural Network）是一種用于嵌入式設(shè)備的深度學習推理框架，它提供了一個端到端的解決方案，用于將訓練好的深度學習模型轉(zhuǎn)換為在嵌入式設(shè)備上運行的可執(zhí)行文件。

使用RKNN框架可以在嵌入式設(shè)備上高效地運行深度學習模型，這對于需要在資源受限的設(shè)備上進行實時推理的應(yīng)用場景非常有用。例如，可以將RKNN用于智能攝像頭、機器人、無人機等嵌入式設(shè)備中，實現(xiàn)物體檢測、人臉識別、圖像分類等人工智能功能。

RKNN-Toolkit2是為用戶提供在 PC、 Rockchip NPU 平臺上進行模型轉(zhuǎn)換、推理和性能評估的開發(fā)套件，用戶通過該工具提供的 Python 接口可以便捷地完成模型轉(zhuǎn)換、量化功能、模型推理、性能和內(nèi)存評估以及量化精度分析等多種操作。

下面，我們就使用RKNN-Toolkit2工具將rknpu2工程中的yolov5s.onnx模型轉(zhuǎn)換為yolov5s.rknn模型為例進行講解。

開發(fā)工具：飛凌嵌入式OK3588-C開發(fā)板

開發(fā)環(huán)境：Ubuntu20.04

01

下載RKNN-Toolkit2

02

安裝依賴

requirements_cp36-1.3.0.txt文件，在rknn-toolkit2/doc目錄下：

03

開發(fā)環(huán)境與OK3588-C開發(fā)板連接

開發(fā)環(huán)境中安裝adb

使用USB-typeC線連接到板子的TypeC0接口，PC端識別到虛擬機中。

在開發(fā)環(huán)境中檢查是否連接成功

如果連接成功會返回板子的設(shè)備ID，如下：

04

下載NPU工程

05

將rknn_server和rknn庫發(fā)送到開發(fā)板

06

模型轉(zhuǎn)換

在開發(fā)環(huán)境中進入到rknn_toolkit2工具中的examples目錄中選擇一個模型。本例選擇的是將onnx模型轉(zhuǎn)換為RKNN模型。

修改test.py

在rknn.config中添加target_platform='rk3588'

在rknn.init_runtime中添加target='rk3588'

修改完成后，運行test.py

運行成功結(jié)果如下：

同時在目錄下會生成yolov5s.rknn模型。

07

編譯測試源碼

進入到rknpu2/examples/rknn_yolov5_demo目錄下，設(shè)置環(huán)境變量：

執(zhí)行編譯腳本，進行編譯：

然后在rknpu2/examples/rknn_yolov5_demo/install/rknn_yolov5_demo_Linux目錄下會生成rknn_yolov5_demo

08

測試

將上邊生成的yolov5s.rknn模型和install目錄下的rknn_yolov5_demo_Linux拷貝到開發(fā)板中

使用rknn模型進行物體識別命令如下：

執(zhí)行結(jié)果如下：

將生成的out.jpg拷貝到本地電腦中查看。