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
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