RKNN Toolkit2 开发套件(Python接口)运行在PC平台(x86/arm64),提供了模型转换、量化功能、模型推理、性能和内存评估、量化精度分析、模型加密等功能。更详细的功能说明参考下RKNN-Toolkit2工程文件的 《RKNN-Toolkit2用户使用指南》。本章将简单介绍在PC(Ubuntu系统)上使用RKNN-Toolkit2进行模型转换、模型推理、性能...
01:下载RKNN-Toolkit2 02:安装依赖 requirements_cp36-1.3.0.txt文件,在rknn-toolkit2/doc目录下:03:开发环境与OK3588-C开发板连接 开发环境中安装adb 使用USB-typeC线连接到板子的TypeC0接口,PC端识别到虚拟机中。在开发环境中检查是否连接成功 如果连接成功会返回板子的设备ID,如下:04:下载NPU工程 0...
rknn-toolkit-lite2¶ RKNNToolkitLite2为带有Rockchip NPU平台提供 Python 编程接口,帮助用户部署使用RKNN-Toolkit2导出的RKNN模型。 提示 请先下载源代码再进行阅读本章节内容 RKNNToolkitLite2开发文档位于external/rknn/rknn-toolkit2/rknn-toolkit-lite2/doc目录下。
参考文档:Rockchip_User_Guide_RKNN_Toolkit_Lite2_V1.5.0_EN.pdf 本篇内容涵盖在rknn平台运行某些通用模型时所涉及到的问题:比如模型转换,转换评估等。对一些重要的信息做了着色标注,后续会有实践环节。来使…
RKNN-Toolkit2是一款软件开发套件,供用户在PC和瑞芯微NPU平台上进行模型转换、推理和性能评估。RKNN-Toolkit-Lite2为瑞芯微NPU平台提供Python编程接口,帮助用户部署RKNN模型,加速AI应用落地。RKNN Runtime为Rockchip NPU平台提供C/C++编程接口,帮助用户部署RKNN模型,加速AI应用的落地。RKNPU内核驱动负责与NPU硬件交互...
RKNN-Toolkit2 是为用户提供在PC、Rockchip NPU 平台上进行模型转换、推理和性能评估的开发套件,用户通过该工具提供的Python 接口可以便捷地完成以下功能: 1)模型转换:支持Caffe、TensorFlow、TensorFlow Lite、ONNX、DarkNet、PyTorch 等模型 转为RKNN 模型,并支持RKNN 模型导入导出,RKNN 模型能够在Rockchip NPU 平台...
一、下载rknn-toolkit2包: sudogit clone https://gitclone.com/github.com/airockchip/rknn-toolkit2 二、安装 进入到所在包的位置,然后解压: unziprknn-toolkit2-master.zip 进入rknn-toolkit-lite2所在路径: cd rknn-toolkit2-master/rknn-toolkit-lite2/packages/ ...
1.1 工具链(RKNN-Toolkit2) RKNN 工具链提供了两种按照方式,一种是“通过 pip install 安装”和“通过 Docker 镜像安装”,建议“通过 Docker 镜像安装”。具体安装方式参考提供的官方文档。 RKNN-Toolkit2 目前支持 Caffe、TensorFlow、TensorFlow Lite、ONNX、DarkNet、PyTorch 等 模型的加载转换,这些...
W __init__: rknn-toolkit2 version: 1.4.0-22dcfef4 --> Config model Config model done --> Loading model W load_onnx: The config.mean_values is None, zeros will be set for input 0! W load_onnx: The config.std_values is None, ones will be set for input 0! W load_onnx: ...
瑞芯微NPU硬件及仿真平台rknn-toolkit2 https://bbs.huaweicloud.com/blogs/375019 RKNN-Toolkit2自带了一个模拟器,可以用来仿真模型在 npu 上运行时的行为 这里我以 yolov5 为例。examples中的yolov5是一个 onnx 模型,用于目标检测,它是在模拟器上运行的。