RK NPU运行环境搭建

若使用RKNN C API 推荐使用Buildroot系统若使用RKNN Python API 推荐使用Debian系统 RK1808 Buildroot C 运行环境默认配置好 可以运行rknn_demo测试RK1808 本地运行RKNN仅支持C接口 通过计算棒方式可以使用Python接口 RK3399PRO Debian9 Python3.5 环境准备

确保网络连接正常

确保存储空间剩余5G以上

确保npu_transfer_proxy后台运行正常

安装RKNN-Toolkit

RKNN-Toolkit包含Python rknn环境

安装Python依赖包

$ sudo apt-get update
$ sudo apt-get install cmake gcc g libprotobuf-dev protobuf-compiler
$ sudo apt-get install liblapack-dev libjpeg-dev zlib1g-dev
$ sudo apt-get install python3-dev python3-pip python3-scipy

更新pip

$ pip3 install --upgrade pip

安装PYTHON打包工具

$ pip3 install wheel setuptools

安装依赖包 h5py/gluoncv

$ sudo apt-get build-dep python3-h5py pip3 install h5py
$ pip3 install gluoncv

安装 TensorFlow

$ pip3 install tensorflow-1.11.0-cp35-none-linux_aarch64.whl --user

安装包目录 external/rknn-toolkit/packages/required-packages-for-arm64-debian9-python35/tensorflow-1.11.0-cp35-none-linux_aarch64.whl

安装 torch 和 torchvision

$ pip3 install torch 1.2.0 torchvision 0.2.2 --user

安装 mxnet

$ pip3 install mxnet 1.5.0

安装 opencv-python

$ pip3 install opencv_python_headless-4.0.1.23-cp35-cp35m-linux_aarch64.whl

安装包目录 external/rknn-toolkit/packages/required-packages-for-arm64-debian9-python35/opencv_python_headless-4.0.1.23-cp35-cp35m-linux_aarch64.whl

安装 RKNN-Toolkit

$ pip3 install rknn_toolkit-1.4.0-cp35-cp35m-linux_aarch64.whl --user

若CPU内存为2G 则需要配置交换分区 否则编译scipy失败

RKNN测试

$ python3
//进入python环境
$ from rknn.api import RKNN