前言

   RKNN支持许多框架训练的模型，但由于本人目前主要使用pytorch框架来训练模型，因此该部署教程是以Pytorch模型部署过程为例进行说明，后面再继续补充ONNX模型部署过程。

1、前期准备

   首先根据下表，确定RKNN Toolkit 以及 Pytorch 的版本。


   由于PC端训练模型时使用的GPU是 Ti 3090，Cuda 版本为11.3，所以PC端python的版本最低为3.8,。
   模型在Windows（PC端）上训练，在Ubuntu（虚拟端）上转换，在板子上（端侧）部署。转换路径：pth -> pt -> rknn。这里有个最大的问题就是python和各依赖库的版本问题，经过多轮尝试后发现模型训练用py3.8，模型转换用py3.6是最佳组合，且其他依赖库的版本尽量保持一致。
   因此最终决定PC端和虚拟端上各库的版本如下所示：

2、PC端环境配置

2.1 创建虚拟环境

conda create -n rknn python=3.8

2.2 依赖库安装

此处若使用conda 安装pytorch，则会安装成CPU版本，具体原因应该是没有版本匹配的GPU版安装包。

pip install --user torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

2.3 其他库安装

根据模型训练环境安装相应的库，注意版本问题。

3、虚拟端环境配置

3.1 安装Ubuntu系统

• 搭建好Ubuntu系统的虚拟机
• 将默认的镜像源改为清华源或阿里源
• 安装必要的软件和库

3.2 下载并安装anaconda

在Ubuntu中打开终端，输入以下代码下载anaconda安装包。

$ wget https://mirrors.bfsu.edu.cn/anaconda/archive/Anaconda3-2022.05-Linux-x86_64.sh

下载完成后文件保存在主目录下，

然后输入下面代码进行安装：

$ bash Anaconda3-2022.05-Linux-x86_64.sh

• 根据提示按ENTER键
  
• 然后一直按空格键
  
• 后面遇到[yes | no]的则一直yes，然后enter键
  
• 遇到路径的就直接enter
  
• 等待一段时间后，出现下图所示字样的则表示安装完成，完成后关掉终端再重新打开一个终端。
  

3.3 创建py36虚拟环境

• 创建名为RKNN，python版本为3.6的虚拟环境

conda create -n RKNN python=3.6

• 创建完成后激活虚拟环境，然后验证python版本是否为3.6，确认无误后就可以开始整活啦！！！
  
• 删除虚拟环境(若环境出错，或搞崩了，则可以用以下指令删除）

conda remove -n RKNN --all

4、虚拟端安装RKNN-Toolkit

根据之前的判断和选择，RKNN-Toolkit的版本为1.7.1 。

4.1 下载RKNN-Toolkit

   这里有两种下载RKNN-Toolkit的方法。方法一直接去Github下载，然后放到虚拟机中安装，稳定但是麻烦；方法二使用wget指令下载，不稳定但方便。（当然稳不稳定最主要还得看网络怎么样）
1、从Github下载rknn-toolkit库。

下载后解压，其中文件组织结构如下，将解压后的文件夹放到虚拟机中进行安装。

2、输入代码直接下载

• 下载

$ wget https://github.com/rockchip-linux/rknn-toolkit/releases/download/v1.7.1/rknn-toolkit-v1.7.1-packages.tar.gz

• 解压

$ tar -zxvf rknn-toolkit-v1.7.1-packages.tar.gz

• 修改依赖库版本
  

   前面说过要使用统一的版本，因此这里需要进行修改，才可以顺利安装成功（不使用与PC端一样的版本，会在后面转换模型和运行RK模型时出错，亲自尝试过~~~）。

tensorflow == 2.5.2
torch == 1.8.1
torchvision == 0.9.1
mxnet == 1.5.0

• 安装依赖库
  如果ubuntu是装在ubuntu的物理机上, 且有GPU, 那么可以直接装requirement-gpu，没有GPU的话就装requirement-cpu。

$ cd packages
$ pip install -r requirements-cpu.txt

不出意外的话就安装成功啦！！！

4.2 安装RKNN-Toolkit

   装好依赖之后, 再根据所搭建的环境, 安装对应的轮子rknn_toolkit-1.7.1-cp36-cp36m-linux_x86_64.whl。

pip install rknn_toolkit-1.7.1-cp36-cp36m-linux_x86_64.whl

   aach64是安装在arm-64的系统上的, 因为这是python的库, 所以是可以直接在rv/rk系列的开发板上装的。

   不出意外的出意外了！！！opencv-python的wheel不能安装，这是个bug，默认版本opencv-python==4.3.0.38不能安装，但可以换个版本安装。

pip install opencv-python==4.5.5.62

   再次安装一般不会有什么问题，如果太慢, 就想办法用用国内的pip源吧。

4.3 验证环境是否正确

   如下图所示，在环境中首先输入python，然后再 import rknn，若不报错则说明安装成功。

最后

以上就是善良电话为你收集整理的RKNN模型部署（2）——环境配置前言1、前期准备2、PC端环境配置3、虚拟端环境配置4、虚拟端安装RKNN-Toolkit的全部内容，希望文章能够帮你解决RKNN模型部署（2）——环境配置前言1、前期准备2、PC端环境配置3、虚拟端环境配置4、虚拟端安装RKNN-Toolkit所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。