完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
1.安装adb
首先需要能够访问RK1126开发板,所以我们首先要安装adb,windows安装adb的见我的博客:windows下载安装adb(简单安装) 安装完adb之后用u***线连接RK126开发板的USB2.0 OTG口(注意连接debug uart2,这个是几块板),就可以在windows的终端中使用命令不进入调试 C:用户chw $ adb 设备 附加设备列表 1d4473333ea96020 设备 C:用户chw $亚行外壳 [root@RV1126_RV1109:/]# 然后就可以访问开发板了。 2.安装RKNN-Toolkit工具包 我将上深入学习算法移植到这块板子上,因此这里要用瑞芯微的这个RNN-Toolkit工具包,下面在ubuntu进行安装,为了不和服务器上的其他环境冲突,使用conda进行安装。 conda create -n rk1126_chw python=3.6 conda 激活 rk1126_chw 然后安装开始工具包,首先安装依赖,创建一个require.txt文件,里面添加如下内容: 张量流==1.11.0 mxnet==1.5.0 火炬==1.6.0 火炬视觉==0.7.0 opencv-python 葡萄糖 然后 pip install -r requirements.txt 然后安装工具包,这里我们安装1.6.0版本。 pip install rknn_toolkit-1.6.0-cp36-cp36m-linux_x86_64.whl 安装完之后会报如下错误,该错误不需要管。 错误:pip 的依赖解析器当前不考虑所有已安装的包。此行为是以下依赖冲突的根源。 matplotlib 3.3.4 需要枕头>=6.2.0,但您有不兼容的枕头 5.3.0。 然后测试安装是否成功: Python 从 rknn.api 导入 RKNN 另外1.7版本的安装方法见:ubuntu rknn-toolkit1.7.0 3.在PC上仿真运行示例 安装完rknn_toolkit之后,我们可以利用rknn_toolkit在电脑中模拟开发板的NPU运行环境,运行demo。 首先下载整个rknn_toolkit包 git 克隆 https://github.com/rockchip-linux/rknn-toolkit 下载完之后,执行如下命令 cd /examples/tflite/mobilenet_v1 python3 测试.py 结果变成: 4.安装交叉编译工具-首先链 下载交叉编译链执行: 首先用下面的命令解压 xz -d gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf.tar.xz tar -xavf gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf.tar 然后添加环境变量。 vim ~/.bashrc 导出 PATH=/data/chw/rk1126_20211014/gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf/bin:$PATH 源〜/ .bashrc 测试是否成功 arm-linux-gnueabihf-gcc -v 使用内置规范。 COLLECT_GCC=arm-linux-gnueabihf-gcc COLLECT_LTO_WRAPPER=/data/chw/rk1126_20211014/gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf/bin/../libexec/gcc/arm-linux-gnueabihf/8.3.0/lto-wrapper 目标:arm-linux-gnueabihf 配置:/tmp/dgboter/bbs/rhev-vm8--rhe6x86_64/buildbot/rhe6x86_64--arm-linux-gnueabihf/build/src/gcc/configure --target=arm-linux-gnueabihf --prefix= -- with-sysroot=/arm-linux-gnueabihf/libc --with-build-sysroot=/tmp/dgboter/bbs/rhev-vm8--rhe6x86_64/buildbot/rhe6x86_64--arm-linux-gnueabihf/build/build-arm -linux-gnueabihf/install//arm-linux-gnueabihf/libc --with-bugurl=https://bugs.linaro.org/ --enable-gnu-indirect-function --enable-shared --disable-libssp --disable-libmudflap --enable-checking=release --enable-languages=c,c++,fortran --with-gmp=/tmp/dgboter/bbs/rhev-vm8--rhe6x86_64/buildbot/rhe6x86_64--arm-linux-gnueabihf/build/build-arm-linux-gnueabihf/host-tools --with-mpfr =/tmp/dgboter/bbs/rhev-vm8--rhe6x86_64/buildbot/rhe6x86_64--arm-linux-gnueabihf/build/build-arm-linux-gnueabihf/host-tools --with-mpc=/tmp/dgboter/ bbs/rhev-vm8--rhe6x86_64/buildbot/rhe6x86_64--arm-linux-gnueabihf/build/build-arm-linux-gnueabihf/host-tools--with-isl=/tmp/dgboter/bbs/rhev-vm8- -rhe6x86_64/buildbot/rhe6x86_64--arm-linux-gnueabihf/build/build-arm-linux-gnueabihf/host-tools --with-arch=armv7-a --with-fpu=neon --with-float=hard --with-arch=armv7-a --with-pkgversion='用于 A-profile 架构的 GNU 工具链 8.3-2019.03 (arm-rel-8.36)' 线程模型:posix gcc 版本 8.3.0(用于 A-profile 架构的 GNU 工具链 8.3-2019.03 (arm-rel-8.36)) 5.在开发上运行demo 首先修改下载rknpu工程。 git 克隆https://github.com/rockchip-linux/rknpu 然后修改编译脚本, cd rknpu/rknn/rknn_api/examples/rknn_mobilenet_demo vim 构建.sh 修改这一行: GCC_COMPILER=/data/chw/rk1126_20211014/gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf/bin/arm-linux-gnueabihf 修改后内容如下: #!/bin/bash 设置-e # 用于 rk1808 aarch64 # GCC_COMPILER=${RK1808_TOOL_CHAIN}/bin/aarch64-linux-gnu # 用于 rk1806 armhf # GCC_COMPILER=~/opts/gcc-linaro-6.3.1-2017.05-x86_64_arm-linux-gnueabihf/bin/arm-linux-gnueabihf # 用于 rv1109/rv1126 armhf GCC_COMPILER=/data/chw/rk1126_20211014/gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf/bin/arm-linux-gnueabihf ROOT_PWD=$( cd "$( 目录名 $0 )" && cd -P "$( 目录名 "$SOURCE" )" && pwd ) # 构建rockx BUILD_DIR=${ROOT_PWD}/build 如果 [[ !-d "${BUILD_DIR}" ]]; 然后 mkdir -p ${BUILD_DIR} 菲 cd ${BUILD_DIR} cmake .. -DCMAKE_C_COMPILER=${GCC_COMPILER}-gcc -DCMAKE_CXX_COMPILER=${GCC_COMPILER}-g++ 使-j4 进行安装 光盘 - ~ 然后编译 ./build.sh 然后把后面的演示传到开发板 亚行外壳 adb 推送安装/rknn_mobilenet_demo /home 然后 亚行外壳 cd /home/rknn_mobilenet_demo chmod 777 rknn_mobilenet_demo ./rknn_mobilenet_demo 模型/mobilenet_v1_rv1109_rv1126.rknn 模型/dog_224x224.jpg 结果变成: [root@RV1126_RV1109:/home/rknn_mobilenet_demo]# ./rknn_mobilenet_demo 模型/mobi lenet_v1_rv1109_rv1126.rknn 模型/dog_224x224.jpg 模型输入数量:1,输出数量:1 输入张量: 索引=0 名称= n_dims=4 维度=[1 224 224 3] n_elems=150528 大小=150528 fmt=0 类型=3 qnt_type=2 fl=127 zp=127 比例=0.007843 输出张量: index=0 name= n_dims=2 dims=[0 0 1 1001] n_elems=1001 size=2002 fmt=0 type=1 qnt_type=0 fl=127 zp=127 scale=0.007843 w=224,h=224,c=3, fmt=1 rknn_run - - 前5 - - 156:0.865723 155:0.083862 205:0.012428 284:0.005913 194:0.001842 |
|
|
|
你正在撰写答案
如果你是对答案或其他答案精选点评或询问,请使用“评论”功能。
基于米尔瑞芯微RK3576核心板/开发板的人脸疲劳检测应用方案
739 浏览 0 评论
968 浏览 1 评论
856 浏览 1 评论
2075 浏览 1 评论
3322 浏览 1 评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-12-25 12:44 , Processed in 0.551298 second(s), Total 40, Slave 34 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号