1,安装Python3.5
sudo apt-get install python3.5
2.安装pip3
sudo apt-get install python3-pip
3.获取RKNN-Toolkit安装包
a)进入package目录；
cd package/
b)安装Python依赖
pip3 install tensorflow
pip3 install opencv-python
c)安装RKNN-Toolkit
pip3 install wheel
sudo pip3 install rknn_toolkit-1.2.1-cp35-cp35m-linux_x86_64.whl
若出现rknn_toolkit-1.2.1-cp35-cp35m-linux_x86_64.whl is not a supported wheel on this platform.
需要查看python的版本是否是python3.5，若是python3.6 则选择cp36-cp36m
d)检查RKNN-toolkit是否安装成功
rk@rk:~/rknn-toolkit-v1.2.1/package$ python3
>>> from rknn.api import RKNN
>>>
如果导入 RKNN 模块没有失败， 说明安装成功。
4.在 PC 上仿真 运行示例
RKNN Toolkit 自带了一个 RK1808 的模拟器，可以用来仿真模型在 RK1808 上运行时的行为。这里以mobilenet_v1 为例。 示例中的 mobilenet_v1 是一个 Tensorflow Lite 模型，用于图片分类 ，它是在模拟器上运行的 。运行该示例的步骤如下：
1. 进入 example/ mobilenet_v1 目录
rk@rk:~/rknn-toolkit-v1.2.1/package$ cd ../example/mobilenet_v1
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$
2. 执行 test .py 脚本
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ python3 test.py
3. 脚本执行完后得到如下结果：
--> config model
done
--> Loading model
done
--> Building model
done
--> Export RKNN model
done
这个例子涉及到的主要操作有：创建RKNN 对象；模型配置；加载 TensorFlow L ite 模型；构建 RKNN 模型；导出 RKNN 模型；加载图片并推理 ，得到 TOP5 结果 ；评估模型性能；释放 RKNN对象。example目录中的 mobilenet _v2 和 mobilenet ssd 示例的执行方式与 mobilenet _v1 相同，只是mobilenet ssd 示例中要 执行的脚本是 ssd.py ，且该示例执行完后会输出一张 out.jpg 图像，它会把检测到的对象在 图像 中用方框框出来。
3.3.2 在 RK1808 上运行示例
这里以mobilenet_v1 为例。 工具包中带的 mobilenet_v1 示例是在 PC 模拟器上运行的，如果要在 RK1808 EVB 板 上运行这个示例，可以参考以下步骤
1. 进入 example/mobilenet_v 1 目录
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$
2. 修改 test.py 脚本 里的初始化环境变量时带的参数
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ vim test.py
# 找到脚本里初始化环境变量的方法init_runtime，如下
ret = rknn.init_runtime()
# 修改该方法的参数
ret = rknn.init_runtime(target=’rk1808’, device_id=’ 0123456789ABCDEF’)
# 保存修改并退出
3. 执行 test.py 脚本，得到如下结果
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ python test.py
--> config model
done
--> Loading model
done
--> Building model
done
--> Export RKNN model
done
1,安装Python3.5
sudo apt-get install python3.5
2.安装pip3
sudo apt-get install python3-pip
3.获取RKNN-Toolkit安装包
a)进入package目录；
cd package/
b)安装Python依赖
pip3 install tensorflow
pip3 install opencv-python
c)安装RKNN-Toolkit
pip3 install wheel
sudo pip3 install rknn_toolkit-1.2.1-cp35-cp35m-linux_x86_64.whl
若出现rknn_toolkit-1.2.1-cp35-cp35m-linux_x86_64.whl is not a supported wheel on this platform.
需要查看python的版本是否是python3.5，若是python3.6 则选择cp36-cp36m
d)检查RKNN-toolkit是否安装成功
rk@rk:~/rknn-toolkit-v1.2.1/package$ python3
>>> from rknn.api import RKNN
>>>
如果导入 RKNN 模块没有失败， 说明安装成功。
4.在 PC 上仿真 运行示例
RKNN Toolkit 自带了一个 RK1808 的模拟器，可以用来仿真模型在 RK1808 上运行时的行为。这里以mobilenet_v1 为例。 示例中的 mobilenet_v1 是一个 Tensorflow Lite 模型，用于图片分类 ，它是在模拟器上运行的 。运行该示例的步骤如下：
1. 进入 example/ mobilenet_v1 目录
rk@rk:~/rknn-toolkit-v1.2.1/package$ cd ../example/mobilenet_v1
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$
2. 执行 test .py 脚本
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ python3 test.py
3. 脚本执行完后得到如下结果：
--> config model
done
--> Loading model
done
--> Building model
done
--> Export RKNN model
done
这个例子涉及到的主要操作有：创建RKNN 对象；模型配置；加载 TensorFlow L ite 模型；构建 RKNN 模型；导出 RKNN 模型；加载图片并推理 ，得到 TOP5 结果 ；评估模型性能；释放 RKNN对象。example目录中的 mobilenet _v2 和 mobilenet ssd 示例的执行方式与 mobilenet _v1 相同，只是mobilenet ssd 示例中要 执行的脚本是 ssd.py ，且该示例执行完后会输出一张 out.jpg 图像，它会把检测到的对象在 图像 中用方框框出来。
3.3.2 在 RK1808 上运行示例
这里以mobilenet_v1 为例。 工具包中带的 mobilenet_v1 示例是在 PC 模拟器上运行的，如果要在 RK1808 EVB 板 上运行这个示例，可以参考以下步骤
1. 进入 example/mobilenet_v 1 目录
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$
2. 修改 test.py 脚本 里的初始化环境变量时带的参数
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ vim test.py
# 找到脚本里初始化环境变量的方法init_runtime，如下
ret = rknn.init_runtime()
# 修改该方法的参数
ret = rknn.init_runtime(target=’rk1808’, device_id=’ 0123456789ABCDEF’)
# 保存修改并退出
3. 执行 test.py 脚本，得到如下结果
rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ python test.py
--> config model
done
--> Loading model
done
--> Building model
done
--> Export RKNN model
done
举报
举报
