概述
瑞芯微 Rockchip RKNN-Toolkit 环境搭建
flyfish
RKNN-Toolkit介绍
RKNN-Toolkit是一个软件开发工具包，为用户提供在 PC 和 Rockchip NPU 平台上的模型转换、推理和性能评估。RKNN-Toolkit-Lite 为 Rockchip NPU 平台提供 Python 编程接口，帮助用户部署 RKNN 模型，加速人工智能应用程序的实现。
环境
Ubuntu 18.04
Python 3.6.9（Ubuntu 18.04自带）
官网地址 https://github.com/rockchip-linux/rknn-toolkit
版本：rknn-toolkit-v1.7.1
安装python相关程序
sudo apt-get install libpython3-dev
sudo apt-get install python3-venv
设置国内源
为了能够快速安装，最好设置国内源
创建~/.pip目录
mkdir -p ~/.pip
创建pip.conf
gedit ~/.pip/pip.conf
pip.conf内容如下
[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
升级pip和相关工具
pip3 install --upgrade pip
python3 -m pip install --upgrade setuptools
创建虚拟环境
python3 -m venv python-rknn-1.7.1
激活虚拟环境
进行python-rknn-1.7.1目录执行
source bin/activate
安装rknn-toolkit-v1.7.1
下载source code和package
下载地址 https://github.com/rockchip-linux/rknn-toolkit/releases
这里选择Version 1.7.1版本（此处也可以根据自己的python环境，安装rknn-toolkit-v1.7.3版本的 requirements-*.txt）
进入rknn-toolkit-v1.7.1-packagespackages目录 安装深度学习框架
此处根据自己是CPU环境还是GPU环境选择按照
也可以根据自己需要按照某个深度学习框架
CPU
pip install -r requirements-cpu.txt
GPU
pip install -r requirements-gpu.txt
进入rknn-toolkit-v1.7.1-packagespackages安装rknn_toolkit-1.7.1
pip install ./rknn_toolkit-1.7.1-cp36-cp36m-linux_x86_64.whl
测试
进入源码目录
rknn-toolkit-1.7.1examplestflitemobilenet_v1
执行python test.py
结果
--> config model
done
--> Loading model
done
--> Building model
W The target_platform is not set in config, using default target platform rk1808.
--> Export RKNN model
done
--> Init runtime environment
librknn_runtime version 1.7.1 (bd41dbc build: 2021-10-28 16:15:23 base: 1131)
done
--> Running model
mobilenet_v1
-----TOP 5-----
[156]: 0.8642578125
[155]: 0.08380126953125
[205]: 0.01241302490234375
[284]: 0.00656890869140625
[194]: 0.002044677734375
done
--> Evaluate model performance
W When performing performance evaluation, inputs can be set to None to use fake inputs.
========================================================================
Performance
========================================================================
Layer ID Name Time(us)
60 openvx.tensor_transpose_3 72
1 convolution.relu.pooling.layer2_2 369
3 convolution.relu.pooling.layer2_2 211
5 convolution.relu.pooling.layer2_2 184
7 convolution.relu.pooling.layer2_2 315
9 convolution.relu.pooling.layer2_2 99
11 convolution.relu.pooling.layer2_2 137
13 convolution.relu.pooling.layer2_2 103
15 convolution.relu.pooling.layer2_2 116
17 convolution.relu.pooling.layer2_2 95
19 convolution.relu.pooling.layer2_2 102
21 convolution.relu.pooling.layer2_2 151
23 convolution.relu.pooling.layer2_2 95
25 convolution.relu.pooling.layer2_2 109
27 convolution.relu.pooling.layer2_2 106
29 convolution.relu.pooling.layer2_2 211
31 convolution.relu.pooling.layer2_2 106
33 convolution.relu.pooling.layer2_2 211
35 convolution.relu.pooling.layer2_2 106
37 convolution.relu.pooling.layer2_2 211
39 convolution.relu.pooling.layer2_2 106
41 convolution.relu.pooling.layer2_2 211
43 convolution.relu.pooling.layer2_2 106
45 convolution.relu.pooling.layer2_2 211
47 convolution.relu.pooling.layer2_2 108
49 convolution.relu.pooling.layer2_2 163
51 convolution.relu.pooling.layer2_2 206
53 convolution.relu.pooling.layer2_2 319
55 pooling.layer2 34
56 fullyconnected.relu.layer_3 110
58 softmaxlayer2.layer 39
Total Time(us): 4722
FPS(600MHz): 158.83
FPS(800MHz): 211.77
Note: Time of each layer is converted according to 800MHz!
========================================================================
环境搭建完成
最后
以上就是贤惠冰淇淋为你收集整理的瑞芯微 Rockchip RKNN-Toolkit 环境搭建瑞芯微 Rockchip RKNN-Toolkit 环境搭建的全部内容，希望文章能够帮你解决瑞芯微 Rockchip RKNN-Toolkit 环境搭建瑞芯微 Rockchip RKNN-Toolkit 环境搭建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。
发表评论 取消回复