环境配置
镜像安装见用户手册
配置 RKNN 环境
端侧Ubuntu中配置RKNN
# 新建环境 python 版本选择3.8 conda create -n rk3588 python=3.8 # 激活环境 conda activate rk3588 # 新建目录 mkdir project_rknn cd project_rknn # 下载rknn-toolkit2 仓库 下载后在当前目录下 生成 rknn-toolkit2 文件夹 git clone https://github.com/airockchip/rknn-toolkit2.git #安装相关库和软件包 sudo apt-get install libxslt1-dev zlib1g-dev libglib2.0 libsm6 \ libgl1-mesa-glx libprotobuf-dev gcc # 配置pip源 pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/ # 安装依赖库 pip3 install numpy pip3 install -r 项目存放路径/rknn-toolkit2/rknn-toolkit2/packages/requirements_cp38-1.6.0.txt # 根据不同的 python 版本及处理器架构，选择不同的 wheel 安装包文件，安装 RKNN-Toolkit2 pip3 install 项目存放路径/rknn-toolkit2/rknn-toolkit2/packages/ rknn_toolkit2-1.6.0+81f21f4d-cp38-cp38-linux_x86_64.whl验证是否安装成功
from rknn.api import RKNN 输入后按下回车键没有报错即为成功。
安装板端 RKNPU2 环境
开发板中已经预装好了环境，可以在板端执行以下命令查询 RKNPU2 驱动版本：
dmesg | grep -i rknpu
检查 RKNPU2 环境是否安装
RKNN-Toolkit2 的连板调试功能要求板端已安装 RKNPU2 环境，并且启动 rknn_server 服务，以下是 RKNPU2 环境中的两个基本概念：
- RKNN Server：一个运行在开发板上的后台代理服务。该服务的主要功能是调用板端 Runtime 对应的接口处理计算机通过USB传输过来的数据，并将处理结果返回给计算机。
- RKNPU2 Runtime 库（librknnrt.so）：主要职责是负责在系统中加载 RKNN 模型，并通过调用专用的神经处理单元（NPU）执行 RKNN 模型的推理操作。如果开发板板端没有安装 RKNN Server 和 Runtime 库，或者 RKNN Server 和 Runtime 库的版本不一致，都需要重新安装 RKNPU2 环境。
# 进入板端 adb shell # 启动 rknn_server restart_rknn.sh # 如果出现以下输出信息，则代表启动rknn_server服务成功，且能确认rknn_server版本 # start rknn server, version: x.x.x # 查询librknnrt.so库版本 strings /usr/lib/librknnrt.so | grep -i "librknnrt version"RKNN使用示例
本文基于yolov5模型，介绍RKNN的模型转换、连板调试，以及板端部署的详细步骤。
在端侧和版侧中下载 rknn_model_zoo
# 下载 RKNN Model Zoo 仓库 下载后在 project_rknn 下生成 rknn_model_zoo 文件夹
cd project_rknn
git clone https://github.com/airockchip/rknn_model_zoo.git
进入 rknn_model_zoo/examples/yolov5/model 目录，运行 download_model.sh 脚本，该脚本将下载一个可用的 YOLOv5 ONNX 模型，并存放在当前 model 目录下，参考命令如下：
cd rknn_model_zoo/examples/yolov5/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.sh
进入 rknn_model_zoo/examples/yolov5/python 目录，运行 convert.py 脚本，该脚本将原始的 ONNX 模型转成 RKNN 模型，参考命令如下：
cd rknn_model_zoo/examples/yolov5/python
# 运行 convert.py 脚本，将 yolov5 onnx 模型转换为 rknn 模型
# 例如，转换好的 rknn 模型存放路径为 model/yolov5s_relu.rknn#fp 和 i8 分别指定转化为浮点模型 INT8量化模型
python convert.py ../model/yolov5s_relu.onnx rk3588fp ../model/yolov5s_relu.rknnpython convert.py ../model/yolov5s_relu.onnx rk3588i8../model/yolov5s_relu.rknn
板端部署
将上一步转换完成的rknn模型发送到板端的rknn_model_zoo/model/下
# 端侧执行
cd rknn_model_zoo/examples/yolov5/model
scp rknn模型 root@ip地址:/home/orangepi/rknn_model_zoo/examples/yolov5/model
板端执行以下代码，将rknn模型编译
cd /ho
