热门标签
热门文章
- 1常用的模拟器全集 网工必备-网络工程师（思科，华为）_华为ensp替代软件
- 2Nodejs原生实现开发生产环境编译打包_node build
- 3Go-js,css,html压缩和混淆(可直接使用)
- 4【初学音频】Android的Audio系统_android audioflinger
- 5【开源】JAVA+Vue.js实现医院门诊预约挂号系统_javascript挂号平台
- 6超全的3D视觉数据集汇总_有速度视频3d数据集
- 7对于 Sass 基本语法的使用总结 ：_[sass] $color: var(--el-color-primary) is not a co
- 8【20211206】文献翻译2：什么构成了一个好的说话人视频生成？调查和基准_lrs3数据集 分辨率多少
- 9MacOS 软件版本更新Monterey12.1版之后L2TP无法正常访问内网服务解决方案_macos软件版本更新monterey12.1版之后l2tp
- 10ap忘记管理ip地址怎么办_胖AP和瘦AP的区别、组网优缺点分析
当前位置: article > 正文
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~总结（亲测有效）_yolov8转rknn
作者：从前慢现在也慢 | 2024-03-27 09:00:48
赞
踩
yolov8转rknn
保姆级教程，看这一篇就够用了。
在翻阅了网络上很多资料后，发现很多版本的信息比匹配。
花了一周的时间配置环境，以及环境验证，然后写了这篇长文。
有过程，有代码，有经验，欢迎大家批评指正。
一、环境准备
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~1.环境准备（亲测有效）
二、环境验证
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~2.环境验证（亲测有效）
三、yolov5 训练自己的模型
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~3.YOLOv5训练自己的模型（亲测有效）
四、导出模型
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~4.导出模型（亲测有效）
五、部署模型
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~5.模型部署（亲测有效）
参考（以下为编撰本文的引用参考）
- yolov5训练pt模型并转换为rknn模型，部署在RK3588开发板上——从训练到部署全过程
- RK3588模型推理总结
- NPU使用
- 一步一步教大家使用RK3588的NPU之在电脑端交叉编译yolov5运行在ARM平台上-哔哩哔哩
- 转换yolov5s.onnx为rknn模型RK3588主板实时推理和电脑端模拟推理-哔哩哔哩
- 摆脱电脑，直接在RK3588平台上推理，帮用户部署 RKNN 模加速 AI 应用的落地-哔哩哔哩】
- 仓库下载 参考 rknn-toolkit 教程, 需要切换到 commit ID
c5360f6e7009eb4d05f14d1cc9dae0963e949213, 可以直接在 官网github下载， 然后终端执行git checkout c5360f6e7。
附录信息
| 仓库 | 说明 |
|---|---|
| https://github.com/rockchip-linux/rknpu2 | RKNPU2 provides an advanced interface to access Rockchip NPU. Support Platform： - RK3566/RK3568 - RK3588/RK3588S- RV1103/RV1106 Note: The rknn model must be generated using RKNN Toolkit 2: https://github.com/rockchip-linux/rknn-toolkit2 |
| https://github.com/rockchip-linux/rknn-toolkit2 | RKNN-Toolkit2 is a software development kit for users to perform model conversion, inference and performance evaluation on PC and Rockchip NPU platforms (RK3566, RK3568, RK3588, RK3588S, RV1103, RV1106). RKNN-Toolkit-Lite2 provides Python programming interfaces for Rockchip NPU platform (RK3566, RK3568, RK3588, RK3588S) to help users deploy RKNN models and accelerate the implementation of AI applications. For the deployment of the RKNN model, please refer to: https://github.com/rockchip-linux/rknpu2 For RK1808/RV1109/RV1126/RK3399Pro, please use: https://github.com/rockchip-linux/rknn-toolkit https://github.com/rockchip-linux/rknpu https://github.com/airockchip/RK3399Pro_npuNOTES: - Currently rknn-toolkit2 is not compatible with rknn-toolkit - Currently only support on Ubuntu 18.04 python 3.6 / Ubuntu 20.04 python 3.8 - Latest version:1.4.0(Release version) |
| 平台 | 仓库 |
|---|---|
| RK3566/RK3568/RK3588/RK3588S/RV1103/RV1106 | https://github.com/rockchip-linux/rknn-toolkit2 https://github.com/rockchip-linux/rknpu2 |
| RK1808/RK1806/RV1109/RV1126 | https://github.com/rockchip-linux/rknn-toolkit https://github.com/rockchip-linux/rknpu |
| RK3399Pro | https://github.com/rockchip-linux/rknn-toolkit https://github.com/airockchip/RK3399Pro_npu |
规格书
参考（以下为编撰本文的引用参考）
- yolov5训练pt模型并转换为rknn模型，部署在RK3588开发板上——从训练到部署全过程
- RK3588模型推理总结
- NPU使用
- 一步一步教大家使用RK3588的NPU之在电脑端交叉编译yolov5运行在ARM平台上-哔哩哔哩
- 转换yolov5s.onnx为rknn模型RK3588主板实时推理和电脑端模拟推理-哔哩哔哩
- 摆脱电脑，直接在RK3588平台上推理，帮用户部署 RKNN 模加速 AI 应用的落地-哔哩哔哩】
- 仓库下载 参考 rknn-toolkit 教程, 需要切换到 commit ID
c5360f6e7009eb4d05f14d1cc9dae0963e949213, 可以直接在 官网github下载， 然后终端执行git checkout c5360f6e7。
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/323088
推荐阅读
相关标签
