Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
使用rknn-toolkit2将paddleseg模型导出rknn模型
目录 安装paddle2onnx环境 将paddle模型导出onnx模型 安装rknn toolkits 转化rknn模型 安装paddle2onnx环境 首先创建一个python虚拟环境 conda create n paddle2onn
深度学习
RKNN
PaddleSeg
ONNX
RKNPU2通用API和零拷贝API
RKNPU2通用API 通用API接口按照异构编程规范 需要将数据拷贝到NPU运行时的内存空间 通用API部署流程 初始化上下文 需要先创建上下文对象和读取模型文件 rknn context ctx model load model mod
RKNN
官方YOLOV5的torch模型->ONNX模型->RKNN模型
1 环境配置 1 1 RKNN Toolkit2的环境配置 下载RKNN Toolkit2 git clone https github com rockchip linux rknn toolkit2 git 打开一个终端命令行窗口 安装
模型量化
YOLO
ONNX
RKNN
RKNN模型评估-性能评估和内存评估
基于Python的模型评估 perf debug 进行性能评估时是否开启debug 模式 在 debug 模式下 可以获取到每一层的运行时间 否则只能获取模型运行的总时间 默认值为 False eval mem 是否进入内存评估模式 进入内
RKNN
rknn_server启动方法
rknn server 是一个运行在板子上的后台代理服务 用于接收PC通过USB传输过来的协议 然后执行板端runtime对应的接口 并返回结果给PC 当rknn server没有启动 则在上位机和瑞芯微开发板的连扳调试 容易出现如下错误
错误
RKNN
rknn server
RKNN-Toolkit模型转换并在Rockchip NPU推理并进行性能评估
RKNN Toolkit转换Tensorflow模型至Rockchip NPU推理并进行性能评估 文章目录 RKNN Toolkit转换Tensorflow模型至Rockchip NPU推理并进行性能评估一 基本知识二 环境部署2 1环境准
RKNN
ToolKit
rockchip
NPU
模型转换并在
52、人脸检测部署RK3399 PRO,完成RKNN的人脸检测
基本思想 xff1a 帮助好友部署一个人脸检测模型 xff0c 也是自己业务需求 xff0c 部分代码来自好友陈同学 xff0c 自己改了改c 43 43 的代码可以部署rk3399pro上了 xff0c 其它资料见附录吧 xff0c 官方
RK3399
pro
RKNN
人脸检测部署
人脸检测