rk3588(香橙派5pro)使用npu推理_rknn3588如何使用多核npu

参考文档

从modelzoo来看，使用纯cnn的int8模式，更容易部署模型

• https://blog.csdn.net/zichuanning520/article/details/125724571
• https://github.com/airockchip/rknn-toolkit2/tree/master/rknn-toolkit2/examples/pytorch/resnet18
• https://github.com/airockchip/rknn_model_zoo?tab=readme-ov-file
• 香橙派5pro 用户手册 3.40 npu使用方法

关于驱动仓库

https://github.com/airockchip/rknn-toolkit2

• rknpu2: 驱动所在位置，提供外部cpp接口
• rknn-toolkit2: python接口，x86 adb连接板子调试(跟手机类似)
• rknn-toolkit-lite2: python接口, 直接在板子上跑代码，需要有编译好的rknn模型

resnet18 rknn-toolkit2环境跑通

1. 示例代码选择

• https://github.com/airockchip/rknn-toolkit2/tree/master/rknn-toolkit2/examples/pytorch/resnet18
• 官方的这个demo还挺完善的，我们只要把他环境配齐就好了

2. x86配置

1. 克隆整个仓库，安装位于rknn-toolkit2-master/rknn-toolkit2/packages/rknn_toolkit2-2.0.0b0+9bab5682-cp39-cp39-linux_x86_64.whl
   • 这个是个x86调试npu的一个轮子，包含模拟器
2. 手动安装其他依赖即可，由于香橙派主要使用百度源，所以推荐https://mirror.baidu.com/pypi/simple, 清华源很多rknn的依赖包装不上

3. 板端配置

主要是更新驱动

1. rknpu2/runtime/Linux/librknn_api/aarch64, 替换/usr/lib的同名驱动
2. rknpu2/runtime/Linux/rknn_server/aarch64/usr/bin/，三个内容都使用777
3. 在rknpu2/runtime/Linux/rknn_server/aarch64/usr/bin里使用./rknn_server启动usb服务器

4. 跑通模拟器代码

1. 修改test.py里的target_platform为rk3588
2. 然后在x86端直接运行是示例代码的test.py即可

5. 实机跑代码

1. 完成步骤4，然后准备一根usb-typec的线, c口插入香橙派, usb是x86主机

2. 使用adb devices -l查看链接情况，注意连不上的话先拔掉线，板子重启一般就好了

   • 

3. 在x86的test.py里修改ret = rknn.init_runtime()这一行

4. ret = rknn.init_runtime(target='rk3588', device_id='adb的链接码)

5. 执行test.py即可

执行效果

• resnet18的半精度0.04s，从官方model zoo来看部署使用针对边缘优化的模型结构可以在此npu上有比较好的运行结果