RKNN

yolov8seg 瑞芯微RKNN芯片、地平线Horizon芯片、TensorRT部署

  特别说明：参考官方开源的yolov8代码、瑞芯微官方文档、地平线的官方文档，如有侵权告知删，谢谢。  模型、测试图像、测试结果、完整代码，放在github上，参考链接模型和代码。  由于之前写了三篇yolov8检测部署板端芯片相关的博文，有网友让写一篇yolov8seg部署博客，一直迟迟未行动，最近忙中借闲匆匆对yolov8seg进行了梳理，尝试了对yolov8seg进行部署验证和仿真测试。总
山水无移·2024-01-15 15:51

yolov8 官方模型进行瑞芯微RKNN和地平线Horizon芯片仿真测试部署

  由于之前写了一篇”yolov8瑞芯微RKNN和地平线Horizon芯片仿真测试部署“这一篇导出的onnx模型在板端芯片部署效率非常高的，高效率体现在模型的所有操作都在加速引擎（NPU或BPU）上，模型推理没有
山水无移·2024-01-15 15:21

yolov8 瑞芯微 RKNN 的 C++部署，部署工程难度小、模型推理速度快

【完整代码】代码和模型1、rknn模型准备  onnx转rknn模型这一步就不再赘述，请参考上一篇【yolov8n瑞芯微RKNN和地平线Horizon芯片仿真测试部署，部署工程难度小、模型推理速度快】。
山水无移·2024-01-15 15:19

踩坑RV1106板端部署rknn模型

文章目录1、交叉编译2、板上跑通3、验证自己模型4、编译使用5、opencv安装测试1、交叉编译官方给的一个流程:RKNN模型推理测试为了避免踩坑在开头提出来按照官方的流程可以跑通，他自己提供的yolov5s.rknn
讳疾忌医丶·2024-01-12 10:56

yolov8n 瑞芯微RKNN和地平线Horizon芯片仿真测试部署，部署工程难度小、模型推理速度快

相对之前写的一篇【yolov8瑞芯微RKNN和地平线Horizon芯片
山水无移·2024-01-12 09:13

rknn加载onnx时报错 GLIBC=2.29 no found librknnc.so

rknn中onnx转rknn在虚拟机中运行时发现报错.GLIBC=2.29nofound/****/librknnc.so昨天还正常的,今天装了个ftp和宝塔面板就出错了.我估计根据报错地址,找到了librknnc.so
走错路的程序员·2024-01-09 09:31

RK3568笔记七：yolov5-seg实例分割测试验证

记录的目的是想在RK3568上实现实例分割，在github的rknn_mode_zoo仓库里看到了例子，带着疑问测试了一下，结果跑通了，这里记录下全过程。
殷忆枫·2024-01-01 15:29

模型部署之——ONNX模型转RKNN

提示：这里可以添加学习目标提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、加载Docker镜像二、转换脚本一、加载Docker镜像加载rknn官方提供的基于x86架构下模型转换的镜像文件
Ceri·2023-12-28 16:32

RKNN Toolkit Lite2 一键安装和测试，sh脚本

RKNNToolkitLite2安装和测试教程本教程旨在指导用户如何使用提供的shell脚本来安装和测试RKNNToolkitLite2，适用于需要在Linux系统上部署和测试AI模型的开发者。简介RKNNToolkitLite2是一个高效的AI模型转换和推理工具包，专为RockchipNPU设计。它支持多种AI模型格式，能够轻松地在Rockchip平台上部署和运行AI模型。前提条件在开始之前，请
yi拾三·2023-12-27 03:35

RK3588平台开发系列讲解（AI 篇）RKNN rknn_query函数详细说明

文章目录一、查询SDK版本二、查询输入输出tensor个数三、查询输入tensor属性(用于通用API接口)四、查询输出tensor属性(用于通用API接口)五、查询模型推理的逐层耗时六、查询模型推理的总耗时七、查询模型的内存占用情况八、查询模型里用户自定义字符串九、查询原始输入tensor属性(用于零拷贝API接口)十、查询原始输出tensor属性(用于零拷贝API接口)十一、查询原始输入ten
内核笔记·2023-12-27 01:36

RK3588平台开发系列讲解（AI 篇）RKNN 数据结构详解

文章目录一、rknn_sdk_version二、rknn_input_output_num三、rknn_tensor_attr四、rknn_perf_detail五、rknn_perf_run六、rknn_mem_size
内核笔记·2023-12-26 23:53

RK3588平台开发系列讲解（AI 篇）RKNN-Toolkit2 模型的加载转换

RKNN-Toolkit2目前支持Caffe、TensorFlow、TensorFlowLite、ONNX、DarkNet、PyTorch等模型的加载转换，这些模
内核笔记·2023-12-26 11:51

rk3588多模型检测部署quickrun

quickrun是一款rk3588rknn多模型高效高并发部署软件软件框架采用session思想，可以定义多个session满足不同模型的义务需求。
杨善锦·2023-12-25 06:23

iTOP-RK3568开发板实时系统编译,Preemption系统/Xenomai系统编译,获取Linux源码包

Linux源码包编译环境说明：本手册使用的是迅为提供的编译环境ubuntu20.04，在网盘资料“iTOP-3568开发板\03_【iTOP-RK3568开发板】指南教程\05_NPU开发配套资料\03_RKNN_Toolkit2
mucheni·2023-12-24 01:36

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condacreate-npaddle2onnxpython
telllong·2023-12-16 13:23

yolov5训练自己的pt文件,转onnx，再转成rknn，到RK3588开发板运行测试

一、训练自己的模型yolov5训练好自己的模型，例如训练完后，名称为best.pt，路径为runs/exp/weights/best.pt。采用detect.py文件验证best.pt可以正常检测目标，再进行下一步工作。二、pt转onnx修改utils/yolo.py文件的后处理部分，将classDetect(nn.Module)类的子函数forward由defforward(self,x):z=
helloworld_fang·2023-12-06 03:20

UNET-RKNN分割眼底血管

相关的算法发介绍就不写了接下来从PYTORCH、ONNX、rknn三个方面看看效果全部代码地址:https://pan.baid
呆呆珝·2023-11-24 23:19

AlphaPose-RKNN-rk3588

1.AlphaPose背景介绍AlphaPose是一个用于人体姿态估计的开源工具。人体姿态估计在计算机视觉中是一个核心问题，它旨在定位并识别图像或视频中的人体关键点和骨骼结构。在许多应用中，如动作识别、行为分析、虚拟现实和增强现实，人体姿态估计都发挥着重要作用。2.基本思路姿态估计有自顶向下（top-down）和自底向上（bottom-up）的两种策略。其中：自顶向下策略首先检测图像中的人物实例，
呆呆珝·2023-11-24 22:52

1.rk3588的yolov5运行：pt_onnx_rknn转换及rknn在rk3588系统python运行

自己有点笨，查资料查了一周才完美的实现了yolov5在rk3588环境下的运行，在这里写具体步骤希望大家少走弯路。具体步骤如下：一、yolov5的原代码下载及pt文件转换为onnx文件1.yolov5的原代码下载及环境搭建在这里一定要下载正确版本的源代码，否则pt到onnx文件的转换很容易出错。进入网盘链接下载即可：https://pan.baidu.com/s/1D-9UzyfNgrACdqli
YANQ662·2023-11-18 23:20

yolo5 onnx2rknn 瑞芯微香橙派 rk3588

yolo训练我用的环境是yolo5.6.0应该是然后使用同环境下的export注意不要换环境。。。pythonexport.py--weightsD:\project\Pythonproj\yolov5\yolo5\runs\train\exp5\weights\best.pt--img640--batch1--includeonnx--opset12导出onnx,如果你和我的版本完全相同，那么你
define_mine·2023-11-16 14:46

【工程部署】在RK3588上部署OCR(文字检测识别)（DBNet+CRNN）

参考手册：《00-Rockchip_RKNPU_User_Guide_RKNN_API_V1.3.0_CN》《RKNNToolkitLite2用户使用指南》1、文字检测项目地址：GitHub-WenmuZhou
warren@伟_·2023-11-15 15:27

深度学习可视化工具：Netron

Netron支持ONNX、TensorFlowLite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、CoreML、RKNN、MXNet、MindSporeLite
泠山·2023-11-14 23:21

RK3568笔记五：基于Yolov5的训练及部署

一.部署概述环境：Ubuntu20.04、python3.8芯片：RK3568芯片系统：buildroot开发板：ATK-DLRK3568开发主要参考文档：《Rockchip_Quick_Start_RKNN_Toolkit2
殷忆枫·2023-11-14 01:20

RK3566上运行yolov5模型进行图像识别

/rknn_yolov5_demomodel/RK356X/yolov5s-640-640.rknnmodel/bus.jpg其中yolov5s-640-640.rknn是模型文件，bus.jpg是输入给模型的图像数据输入图像
killer-p·2023-11-06 05:11

RK3588平台开发系列讲解（项目篇）基于yolov5的物体识别

平台内核版本安卓版本RK3588Linux5.10Android12文章目录一、实验环境二、源码&工具三、环境搭建3.1、安装Miniconda3.2、创建RKNN虚拟环境3.3、安装RKNN-ToolkitLite2
内核笔记·2023-11-02 07:33

[RKNN] 2. 模型转换和推理--API介绍&以yolox为例

系列文章目录[RKNN]1.入门介绍[RKNN]2.模型转换和推理–API介绍&以yolox为例[RKNN]3.零拷贝接口推理[RKNN]4.基于零拷贝接口封装文章目录系列文章目录前言一、模型转换1.1API
0zzx0·2023-11-02 04:22

[RKNN] 3. 零拷贝接口推理

系列文章目录[RKNN]1.入门介绍[RKNN]2.模型转换和推理–API介绍&以yolox为例[RKNN]3.零拷贝接口推理[RKNN]4.基于零拷贝接口封装文章目录系列文章目录前言一、零拷贝推理yolox1.1
0zzx0·2023-11-02 04:22

[RKNN] 4. 基于零拷贝接口封装

系列文章目录[RKNN]1.入门介绍[RKNN]2.模型转换和推理–API介绍&以yolox为例[RKNN]3.零拷贝接口推理[RKNN]4.基于零拷贝接口封装文章目录系列文章目录前言一、思路推理基类后处理类实际任务类二
0zzx0·2023-11-02 04:22

[RKNN] 1. 入门介绍

系列文章目录[RKNN]1.入门介绍[RKNN]2.模型转换和推理--API介绍&以yolox为例[RKNN]3.零拷贝接口推理[RKNN]4.基于零拷贝接口封装目录平台介绍上位机配置及使用开发板环境配置
0zzx0·2023-11-02 04:21

yolox转rknn

使用瑞芯微版本的yolox：https://github.com/airockchip/YOLOXpipinstalltorch==1.8.1torchvision==0.9.1torchaudio==0.8.1--no-cache-ihttps://pypi.tuna.tsinghua.edu.cn/simplepipinstall-rrequirements.txt-ihttps://pypi
刀么克瑟拉莫·2023-11-02 04:47

瑞芯微rk3588部署yolov5模型实战

瑞芯微rk3588部署yolov5模型实战模型转换通过pt模型转换为onnx模型通过onnx模型转换为rknn模型模型部署编译推送执行文件到板子运行(单图测试)多图测试模型转换  使用此yolov5仓库获取
Silver__Wolf·2023-11-01 19:50

RK3588开发板 yolov转换到rknn识别

2023/4/20通过不断测试，成功在rv1126开发板上把yolov的模型转换成rknn运行起来，完成rv1126开发板进行目标检测2023/9/5有rv1126的经验，经过冷静的分析测试成功把yolov5
初学者5213·2023-10-26 16:22

RK3588使用npu运行onnx模型推理

文章目录前言1.安装rknn-toolkit22.将onnx模型转为rknn模型3.通过rknpu2加载rknn模型执行推理前言先说总体流程：1.在x86主机上安装【rknn-toolkit2】2.使用
韭菜钟·2023-10-26 16:43

【教程】在RK3568上部署(C++)语义分割算法BiSeNetv1/v2

一、获取rknn模型1、这步不是很难，我之前也写过BiSeNet的教程，官方提供的代码也很好理解，并且提供了onnx模型的导出代码。教程--从零开始使用
计算机幻觉·2023-10-24 23:10

【教程】-在rknn-toolkit2模拟器中验证测试语义分割模型Yolov5-seg

引言为了以后能够顺利的将模型部署在rk3568开发板中，我们首先要在rknn-toolkit2提供的模拟器环境中进行运行测试，从而保证所选模型能够在开发板上进行部署，测试环境是Ubuntu20.04。
计算机幻觉·2023-10-24 23:39

RKNN-ToolKit2 1.5.0安装教程

引言由于种种原因需要用到开发版RK3568，需要预先安装RKNN-Toolkit2进行模型转化等，博主安装的版本是1.5.0，Ubuntu版本是20.04，python版本3.6。
计算机幻觉·2023-10-24 23:38

rknn的后处理代码分析

最近有个活儿,终于有机会细研究了一下rknn的后处理部分.如你所知,yolo模型有3个维度的输出:其中一个如上图,1x255x80x80,80x80表示把640x640的图像输入分成了80x80个格子:
Montauk LUO·2023-10-23 16:12

瑞芯微RKNN开发·yolov7

官方预训练模型转换下载yolov7源码解压到本地，并配置基础运行环境。下载官方预训练模型yolov7-tiny.ptyolov7.pt…进入yolov7-main目录下，新建文件夹weights，并将步骤2中下载的权重文件放进去。修改models/yolo.py文件defforward(self,x):#x=x.copy()#forprofilingz=[]#inferenceoutputself
烂笔头·张·2023-10-21 01:09

RK3568笔记四：基于TensorFlow花卉图像分类部署

花卉图像分类任务，使用使用tf.keras.Sequential模型，简单构建模型，然后转换成RKNN模型部署到ATK-DLRK3568板子上。
殷忆枫·2023-10-21 01:39

瑞芯微RKNN开发·yolov5

官方预训练模型转换下载yolov5-v6.0分支源码解压到本地，并配置基础运行环境。下载官方预训练模型yolov5n.ptyolov5s.ptyolov5m.pt…进入yolov5-6.0目录下，新建文件夹weights，并将步骤2中下载的权重文件放进去。修改models/yolo.py文件defforward(self,x):z=[]#inferenceoutputforiinrange(sel
烂笔头·张·2023-10-19 11:16

AI项目十五：PP-Humanseg训练及onnxruntime部署

是在正点原子的3568开发板AI测试例子里看到的，目的也是想自己训练并部署，这里记录一下训练和在onnxruntime部署运行的全过程，会转成ONNX，至于部署到rk3568上，会在另一篇文章説明ONNX转成RKNN
殷忆枫·2023-10-19 05:47

RK3568笔记三：部署ResNet50模型

通过ResNet50网络训练了识别10类车的模型并成功了转换成了onnx模型具体训练过程可以参考文章AI项目十七：ResNet50训练部署教程-CSDN博客这里部署使用rknn-toolkit2工具转换成
殷忆枫·2023-10-19 05:36

如何在RK3399Pro上面搭建RKNN运行环境

确保系统有10G以上的空间，如下：最后，安装必要的工具，如下命令：sudoaptupdatesudoaptinstallbuild-essentialgitDownloadRKNNSDK创建一个目录，把下载的RKNN
neardi临滴科技·2023-10-16 12:34

迅为RK3588开发板修改编译工具路径

1因为此章节以rknn_yolov5_demo在RK3588Android1264位平台上运行为例，所以修改examples/rknn_yolov5_demo/build-XXX.sh的编译工具路径，如下图所示
mucheni·2023-10-16 12:33

迅为RK3568开发板使用RKNN-Toolkit-lite2运行测试程序

1首先也需要部署运行环境，将库文件放入RK3568开发板上，我们将网盘资料“iTOP-3568开发板\02_【iTOP-RK3568开发板】开发资料\11_NPU使用配套资料\05_Linux_librknn_api\librknn_api\aarch64”路径下的文件通过U盘拷贝到开发板的/usr/lib目录，如下图所示：2下载网盘资料中“iTOP-3568开发板\02_【iTOP-RK3568
mucheni·2023-10-16 12:03

迅为itop3568开发板安装RKNN Toolkit Lite2

1输入以下命令安装Python3.7、pip3、gccapt-getinstallpython3python3-devpython3-pipgcc2安装相关依赖，输入以下命令：注：Toolkit-lite2本身并不依赖opencv-python，但是在示例中需要用到这个模块，所以安装时也一并安装。如果不用到图像相关的处理，可以不安装该依赖库apt-getinstall-ypython3-openc
mucheni·2023-10-16 12:03

迅为RK3588开发板使用RKNN-Toolkit-lite2运行测试程序

1首先也需要部署运行环境，将库文件放入RK3588开发板上，我们将网盘资料“iTOP-3588开发板\02_【iTOP-RK3588开发板】开发资料\12_NPU使用配套资料\05_Linux_librknn_api\librknn_api\aarch64”路径下的文件通过U盘拷贝到开发板的/usr/lib目录，如下图所示：2下载网盘资料中“iTOP-3588开发板\02_【iTOP-RK3588
mucheni·2023-10-16 12:27

【RKNN】YOLO V5中pytorch2onnx，pytorch和onnx模型输出不一致，精度降低

在yolov5训练的模型，转onnx，再转rknn后，测试发现：rknn模型，量化与非量化，相较于pytorch模型，测试精度都有降低onnx模型，相较于pytorch模型，测试精度也有降低，且与rknn
钱多多先森·2023-10-13 11:36

RK3568笔记二：部署手写数字识别模型

环境搭建参考RK3568笔记一：RKNN开发环境搭建-CSDN博客一、介绍部署手写数字识别模型，使用手写数字识别（mnist）数据集训练了一个LENET的五层经典网络模型。
殷忆枫·2023-10-08 06:25

RK3568笔记一：RKNN开发环境搭建

若该文为原创文章，转载请注明原文出处。由于对AI的好奇，想要学习如何部署AI，所以从RV1126到RK3568中过渡。一、介绍RK3568开发板使用的是正点原子新出的ATK-DLRK3568开发板，主要是学习从训练到部署的全过程，并记录，为自己的学习作个总结。关于ATK-DLRK3568开发板，正点原子正在出教程，资料也开源，手册目前相对少一点，但不影响学习，因为主要是AI部分，所以基本要自己摸索
殷忆枫·2023-10-07 02:17
上一页 1 2 3 4 5 6 7 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他