一、环境与说明
| 版本 |
---|
Rock5B | V1.42 |
系统 | 官方Debian11(2022-10-01版本) |
- 论坛是RKNN2 1.3版本,rk官方已经更新到1.4版本了,测试成功的就是最新1.4版本。这次测试npu花了不少时间,试了Ubuntu和两个版本的Debian。
- 一直对RKNN很向往,这也是我购买Rock5B的原因,原来只用过英特尔的神经计算棒NCS2。
二、参考radxa论坛帖子(报错)
参考:https://forum.radxa.com/t/run-rknn2-demo-on-rock-5b/10914
步骤1.参看系统版本
我使用的是使用2022-10-01版本系统
root@rock-5b:/home/rock
5.10.66-24-rockchip-gcb09ad15af75
步骤2.下载安装
https://github.com/radxa/rknpu2/releases/tag/20220512
下载完成后上传到Rock5B开发板上。
这里的lib库不能正常加载,也许是因为系统内核版本和贴主不同的原因。
我也不想去下载一个5月份的旧系统,我们这里就去RK自己的仓库去看看。
三、参考rk官方教程(成功)
上面论坛版本是RKNN2 1.3版本,目前rk官方已经更新到1.4版本了。
sudo apt-get install git
git clone https://github.com/rockchip-linux/rknpu2.git
cd rknpu2
sudo cp ./runtime/RK3588/Linux/librknn_api/aarch64/* /usr/lib
sudo cp ./runtime/RK3588/Linux/rknn_server/aarch64/usr/bin/* /usr/bin/
安装依赖文件
sudo apt-get update -y
sudo apt-get install -y gcc
sudo apt-get install -y python3-dev
sudo apt-get install -y python3-pip
sudo apt-get install -y python3-numpy
sudo apt-get install -y python3-opencv
git clone https://github.com/rockchip-linux/rknn-toolkit2.git
速度感人
pip3 install ./rknn-toolkit2/rknn_toolkit_lite2/packages/rknn_toolkit_lite2-1.4.0-cp39-cp39-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
运行测试文件
cd rknn-toolkit2/rknn_toolkit_lite2/examples/inference_with_lite
python3 test.py
这里我们使用NPU的环境就配置好了。
四、总结
-
所谓配置好了NPU
的使用环境,就是可以在python中调用rknn
的api
了,体现在我们的配置过程分为两步,第一步是配置好调用的lib
和bin
文件,第二步就是下载依赖文件来满足运行rknn_toolkit_lite2-1.4.0
这个python库。
-
上面拉取的仓库文件有很多是不需要的,如果网络不好,可以在电脑上下载后把需要安装的部分上传到Rock5B开发板即可。
-
RK毕竟是一个很大的企业,官方提供的教程一定是优秀的,这启发我在查找教程时,应该首先向官方寻求支持!
-
RKNN我还需要继续学习,因特尔的NCS2现在要500多块钱,用RK的NPU加速,岂不是省了,四舍五入板子板子没花钱(😎)