Skip to main content

开发环境

1. RKNN开发环境

图片

在PC端主要是进行模型训练和模型转换等,可以选择:

  • Windows系统
  • Windows上的虚拟机ubuntu
  • Docker的linux系统
  • 云服务器等

PC端需要安装:

  • 常用软件和库(如PyCharm、Python、交叉编译器)
  • 深度学习框架(PyTorch、TensorFlow、PaddlePaddle)
  • 建议使用虚拟环境(Python虚拟环境/Anaconda/Miniconda)

板卡环境:

  • 系统:Debian
  • 预装组件:rknn驱动及其他相关组件
  • 常用软件:Python、CMake、Make、GCC、OpenCV等

测试环境:

  • PC端:WSL2(配合PyCharm使用)
  • 板卡系统:Debian12

2. RKNN开发流程

流程

主要步骤:

  1. 模型训练

  2. 模型转换

    • 将模型转换为RKNN格式
  3. 模型评估

  4. 板端推理


3. 相关软件安装

3.1. Anaconda安装

安装步骤

wget https://repo.anaconda.com/archive/Anaconda3-2023.07-2-Linux-x86_64.sh
bash Anaconda3-2023.07-2-Linux-x86_64.sh
source ~/.bashrc

常用命令

conda create -n env_name python=3.8   # 创建环境
conda activate env_name # 激活环境
conda deactivate # 退出环境
conda config --set auto_activate_base false # 禁用自动激活

镜像配置

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --set show_channel_urls yes

3.2. RKNN-Toolkit2安装

安装步骤

conda create -n toolkit2_1.6 python=3.8
conda activate toolkit2_1.6
git clone https://github.com/airockchip/rknn-toolkit2
pip3 install -r packages/requirements_cp38-1.6.0.txt
pip3 install packages/rknn_toolkit2-1.6.0+81f21f4d-cp38-cp38-linux_x86_64.whl

验证安装

from rknn.api import RKNN
rknn = RKNN() # 若无报错则成功

3.3. Jupyter Notebook安装

安装方法

conda install jupyter notebook   # 使用conda
# 或
pip3 install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple

3.4. 深度学习框架安装

PaddlePaddle安装

# CPU版本
conda install paddlepaddle==2.5.1 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

# GPU版本(需CUDA)
conda install paddlepaddle-gpu==2.5.1 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

TensorFlow安装

# 创建虚拟环境
python3 -m venv .tensorflow_venv
source .tensorflow_venv/bin/activate
pip3 install tensorflow

PyTorch安装

conda create -n pytorch python=3.8
conda activate pytorch
pip3 install torch torchvision torchaudio

4. 参考链接

  1. CUDA Toolkit Archive
  2. cuDNN Archive
  3. Anaconda镜像配置
  4. PaddlePaddle Conda安装指南
  5. TensorFlow安装指南