草庐IT

RK3588(自带NPU)的环境搭建和体验（一）

紫川宁520 2023-06-22 原文

前言：这是本系列文章的第一篇，这里介绍一些必要的环境和工具，后面的文章不再介绍。

工具：i7-6700四核八线程、GTX960M显卡的渣渣笔记本（16G内存 + 512G固态 +1T机械）、Ubuntu18.04（VMware虚拟机安装，8G + 200G） 、一块RK3588S开发板，USB type-c线、12v电源线、一杯咖啡。

一、开发板简介

        rk3588是瑞芯微2022.3.4日发布的一款八核64位处理器，采用8nm，主频2.4GHZ, 集成ARM Mali-G610 MP4四核GPU,内置NPU（重点），可提供6Tops算力，最大支持32G内存。支持8K视频编解码，支持NVMe SSD固态扩展。如图（网上找到的图，侵删）

 对于本系列的博文来说，最重要的是自带的NPU。

详细数据可以去官网查看。

二、安装开发环境

        环境安装的比较多，主要是python相关的依赖包和RKNN-Toolkit2.

1. 安装python3.6和pip3

sudo apt-get install python3 python3-dev python3-pip

2. 安装依赖

sudo apt-get install libxslt1-dev zlib1g zlib1g-dev libglib2.0-0 libsm6 \
libgl1-mesa-glx libprotobuf-dev gcc

3.安装RKNN-Toolkit2安装包

        1）安装python依赖（安装之前最好更新下pip3，我后面遇到了问题就是更新之后才解决的，下面的博文中谈到）

numpy==1.16.6
onnx==1.7.0
onnxoptimizer==0.1.0
onnxruntime==1.6.0
tensorflow==1.14.0
tensorboard==1.14.0
protobuf==3.12.0
torch==1.6.0
torchvision==0.7.0
psutil==5.6.2
ruamel.yaml==0.15.81
scipy==1.2.1
tqdm==4.27.0
requests==2.21.0
opencv-python==4.4.0.46
PuLP==2.4
scikit_image==0.17.2
bfloat16==1.1
flatbuffers==1.12

        2）安装RKNN-Toolkit2

sudo pip3 install rknn_toolkit2-1.3.0_11912b58-cp36-cp36m-linux_x86_64.whl

        3）检查RKNN-Toolkit2是否安装成功

        

                 已安装成功。

三、在rk3588s上测试
    

        测试rk3588s，需要使用usb线连接开发板和电脑，之后通过adb进行操作。


1. 查看设备

 可以看到设备ID为ff3c685cc52f4821，这个ID在python脚本里面设置NPU时用到。

2. 更新板子的rknn_server 和librknnrt.so

librknnrt.so: 是一个板端的runtime 库。
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。

这两个文件只需要更新一次。之后直接连接usb线，在python里面配置就行。

adb root
adb remount
adb push \
rknn_server \
/vendor/bin/
adb push \
librknnrt.so /vendor/lib64/
adb shell
chmod +x /vendor/bin/rknn_server
sync
reboot

3. 使用脚本进行测试
    

到这里，环境已经配置好了，下面使用自带的YOLOV5算法进行测试。
 

  python3.6 test.py

输出的日志比较多，大概就是，先初始化RKNN的环境，连接NPU，将yolov5生成的模型（onnx类型的文件）转化为rknn模型（瑞芯微NPU专用的模型文件），进行识别，将结果写入到图片中。

这里只截取其中一部分输出结果进行说明。

1）连接NPU

这一部分可以看到芯片的型号，通过adb连接rk3588。能成功连接。

 2）识别结果

这一部分时将识别出来的结果输出出来，就是识别的目标类别、坐标、尺寸、概率大小等。

3）结果图像

将结果图像通过fim打开，可以看到，已经在图像上进行标注了。

 四、安装环境是遇到问题

1. protobuf requires Python '>=3.7' but the running Python is 3.6.9

 解决办法：更新pip之后重新安装tensorflow

更新指令：python3.6 -m pip install --upgrade pip3

2.No matching distribution found for onnxruntime==1.6.0

 原因：onnxruntime找不到版本，可以去网上下载一个。

安装：pip3 install onnxruntime-1.6.0-cp36-cp36m-linux_x86_64.whl

名字要将manylinx2014改成linux

我用的是这个版本，链接：

 onnxruntime · PyPI

​

3. No matching distribution found for skbuild

​

 解决办法：pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-build

4. adb root失败

​

 原因：root未启动。

解决： 执行命令adb shell setprop persist.sys.root_access 3 ，再使用adb root

五、总结

        环境的安装还算可以，按照资料里面走基本都能正常安装。晚上测试了一下，使用SSD算法转化的rknn模块，直接加载，进行推理（只有推理，NPU还可以训练、转化模型等），大概需要40ms左右。这是第一次使用NPU进行操作，可能出错，不一定对，也没有对芯片的主频进行固定，后面测试的时候，学习下怎么固定频率进行测试。后面还要继续学习。

建和3588xffxff0cxff0目标检测ailinux边缘计算

有关RK3588(自带NPU)的环境搭建和体验（一）的更多相关文章

  1. ruby-on-rails - 在 Rails 开发环境中为 .ogv 文件设置 Mime 类型 - 2

    我正在玩HTML5视频并且在ERB中有以下片段:mp4视频从在我的开发环境中运行的服务器很好地流式传输到chrome。然而firefox显示带有海报图像的视频播放器，但带有一个大X。问题似乎是mongrel不确定ogv扩展的mime类型，并且只返回text/plain，如curl所示:$curl-Ihttp://0.0.0.0:3000/pr6.ogvHTTP/1.1200OKConnection:closeDate:Mon,19Apr201012:33:50GMTLast-Modified:Sun,18Apr201012:46:07GMTContent-Type:text/plain

  2. Vscode+Cmake配置并运行opencv环境(Windows和Ubuntu大同小异) - 2

    之前在培训新生的时候，windows环境下配置opencv环境一直教的都是网上主流的vsstudio配置属性表，但是这个似乎对新生来说难度略高(虽然个人觉得完全是他们自己的问题)，加之暑假之后对cmake实在是爱不释手，且这样配置确实十分简单(其实都不需要配置)，故斗胆妄言vscode下配置CV之法。其实极为简单，图比较多所以很长。如果你看此文还配不好，你应该思考一下是不是自己的问题。闲话少说，直接开始。0.CMkae简介有的人到大二了都不知道cmake是什么，我不说是谁。CMake是一个开源免费并且跨平台的构建工具，可以用简单的语句来描述所有平台的编译过程。它能够根据当前所在平台输出对应的m

  3. ruby-on-rails - ruby gem如何在rails环境下工作 - 2

    我试图在rails中了解rubygems是如何变得可以自动使用的，而不是在使用required的文件中gem？ 最佳答案 这是通过bundler/setup完成的:http://bundler.io/v1.3/bundler_setup.html.它在您的config/boot.rb文件中是必需的。简而言之，它首先将环境变量设置为指向您的Gemfile:ENV['BUNDLE_GEMFILE']||=File.expand_path('../../Gemfile',__FILE__)然后它通过要求bundler/setup将所有ge

  4. ruby-on-rails - 我需要一个真正的 UNIX RoR 开发环境 - 2

    从一开始，我就是一个Windows高手。我从MS-DOS开始。我安装了Windows2.1以及此后的所有Windows。现在，我家里有10台不同的Windows机器在运行，从Windows7Ultimate到各种版本的WindowsServer。我还没有完成Windows8，也不想去那里。我在服务器和各种软件方面都有UNIX经验，但它并不是我的首选环境。但是，我想我正在转换。我试图假装使用Cygwin和MSYS在Windows下运行UNIX。我的目的是搭建一个开发环境。两者都让我失望了。我花了比开发更多的时间来解决一系列技术问题。这是NotAcceptable。到目前为止，我的Ruby

  5. ruby-on-rails - 如果特定语言环境中缺少翻译，如何配置 i18n 以使用 en 语言环境？ - 2

    如果特定语言环境中缺少翻译，如何配置i18n以使用en语言环境翻译？当前已插入翻译缺失消息。我正在使用RoR3.1。 最佳答案 找到相似的question这里是答案:#application.rb#railswillfallbacktoconfig.i18n.default_localetranslationconfig.i18n.fallbacks=true#railswillfallbacktoen,nomatterwhatissetasconfig.i18n.default_localeconfig.i18n.fallback

  6. ruby-on-rails - 可移植 Ruby on Rails 环境 - 2

    我给自己买了一个新的8gigUSBkey，我正在寻找一个合适的解决方案来拥有一个可移植RoR环境来学习。我在谷歌上搜索了一下，发现了一些可能性，但我很想听听一些现实生活中的经历和意见。谢谢! 最佳答案 我喜欢InstantRails，非常容易使用，无需安装程序，也不会修改您的系统环境。 关于ruby-on-rails-可移植RubyonRails环境，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/q

  7. ruby-on-rails - 如何通过 URL 更改语言环境？ - 2

    在我的双语Rails4应用程序中，我有一个像这样的LocalesController:classLocalesController用户可以通过此表单更改其语言环境:deflocale_switcherform_tagurl_for(:controller=>'locales',:action=>'change_locale'),:method=>'get',:id=>'locale_switcher'doselect_tag'set_locale',options_for_select(LANGUAGES,I18n.locale.to_s)end这有效。但是，目前用户无法通过URL更改

  8. ruby - 从 FaSTLane 将环境变量传递给 shell 脚本 - 2

    我在跑Fastlane(适用于iOS的持续构建工具)以执行用于解密文件的自定义shell脚本。这是命令。sh"./decrypt.shENV['ENCRYPTION_P12']"我想不出将环境变量传递给该脚本的方法。显然，如果我将密码硬编码到脚本中，它就可以正常工作。sh"./decrypt.shmypwd"有什么建议吗？ 最佳答案 从直接Shell中扩展假设这里的sh是一个faSTLane命令，它以给定的参数作为脚本文本调用shell命令:#asafastlanedirectivesh'./decrypt.sh"$ENCRYPTI

  9. 西安华为OD面试体验 - 2

    西安华为OD面试体验开始投简历技术面试进展工作进展开始投简历去年一整年一直在考研和工作之间纠结，感觉自己的状态好像当时的疫情一样差劲。之前刚毕业的时候投了个大厂的简历，结果一面写算法的时候太拉跨了，虽然知道时dfs但是代码熟练度不够，放在平时给足时间自己可以调试通过，但是熟练度不够那面试当时就写不出来被刷了。说真的算法学到后期我感觉最重要的是熟练度和背板子（对于我这种普通玩家来说），面试题如果一上来短时间内想不出思路就完蛋了。然后由于当时找的工作不是很理想就又想考研了。但是考研是有风险的，我自我感觉自己可能冲不上那个学校，而找工作一个没成可以继续找嘛。本着抱着试试看的态度在boss上投了简历，

  10. 【自动驾驶环境感知项目】——基于Paddle3D的点云障碍物检测 - 2

    文章目录1.自动驾驶实战：基于Paddle3D的点云障碍物检测1.1环境信息1.2准备点云数据1.3安装Paddle3D1.4模型训练1.5模型评估1.6模型导出1.7模型部署效果附录show_lidar_pred_on_image.py1.自动驾驶实战：基于Paddle3D的点云障碍物检测项目地址——自动驾驶实战：基于Paddle3D的点云障碍物检测课程地址——自动驾驶感知系统揭秘1.1环境信息硬件信息CPU:2核AI加速卡:v100总显存:16GB总内存:16GB总硬盘:100GB环境配置Python:3.7.4框架信息框架版本:PaddlePaddle2.4.0（项目默认框架版本为2.3

随机推荐