开发环境
1. RKNN开发环境
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
主要步骤:
-
模型训练
- 选择模型和数据集
- 使用深度学习框架训练
- 参考RKNN算子支持列表
-
模型转换
- 将模型转换为RKNN格式
-
模型评估
- 使用RKNN-Toolkit2进行量化和性能分析
- 参考RKNPU用户指南
-
板端推理
- 部署RKNN模型到板卡
- 使用rknn-toolkit-lite2