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Python3.5
sudo apt-get install python3.5 2.安装pip3 sudo apt-get install python3-pip 3.获取RKNN-Toolkit安装包 a)进入package目录; cd package/ b)安装Python依赖 pip3 install tensorflow pip3 install opencv-python c)安装RKNN-Toolkit pip3 install wheel sudo pip3 install rknn_toolkit-1.2.1-cp35-cp35m-linux_x86_64.whl 若出现rknn_toolkit-1.2.1-cp35-cp35m-linux_x86_64.whl is not a supported wheel on this platform. 需要查看python的版本是否是python3.5,若是python3.6 则选择cp36-cp36m d)检查RKNN-toolkit是否安装成功 rk@rk:~/rknn-toolkit-v1.2.1/package$ python3 >>> from rknn.api import RKNN >>> 如果导入 RKNN 模块没有失败, 说明安装成功。 4.在 PC 上仿真 运行示例 RKNN Toolkit 自带了一个 RK1808 的模拟器,可以用来仿真模型在 RK1808 上运行时的行为。这里以mobilenet_v1 为例。 示例中的 mobilenet_v1 是一个 Tensorflow Lite 模型,用于图片分类 ,它是在模拟器上运行的 。运行该示例的步骤如下: 1. 进入 example/ mobilenet_v1 目录 rk@rk:~/rknn-toolkit-v1.2.1/package$ cd ../example/mobilenet_v1 rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ 2. 执行 test .py 脚本 rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ python3 test.py 3. 脚本执行完后得到如下结果: --> config model done --> Loading model done --> Building model done --> Export RKNN model done 这个例子涉及到的主要操作有:创建RKNN 对象;模型配置;加载 TensorFlow L ite 模型;构建 RKNN 模型;导出 RKNN 模型;加载图片并推理 ,得到 TOP5 结果 ;评估模型性能;释放 RKNN对象。example目录中的 mobilenet _v2 和 mobilenet ssd 示例的执行方式与 mobilenet _v1 相同,只是mobilenet ssd 示例中要 执行的脚本是 ssd.py ,且该示例执行完后会输出一张 out.jpg 图像,它会把检测到的对象在 图像 中用方框框出来。 3.3.2 在 RK1808 上运行示例 这里以mobilenet_v1 为例。 工具包中带的 mobilenet_v1 示例是在 PC 模拟器上运行的,如果要在 RK1808 EVB 板 上运行这个示例,可以参考以下步骤 1. 进入 example/mobilenet_v 1 目录 rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ 2. 修改 test.py 脚本 里的初始化环境变量时带的参数 rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ vim test.py # 找到脚本里初始化环境变量的方法init_runtime,如下 ret = rknn.init_runtime() # 修改该方法的参数 ret = rknn.init_runtime(target=’rk1808’, device_id=’ 0123456789ABCDEF’) # 保存修改并退出 3. 执行 test.py 脚本,得到如下结果 rk@rk:~/rknn-toolkit-v1.2.1/example/mobilenet_v1$ python test.py --> config model done --> Loading model done --> Building model done --> Export RKNN model done |
|
|
|
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
533 浏览 0 评论
803 浏览 1 评论
700 浏览 1 评论
1926 浏览 1 评论
3171 浏览 1 评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-12-22 20:35 , Processed in 0.782242 second(s), Total 73, Slave 56 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