瑞芯微AI平台三大更新 谁说中国没有研发实力

@font-face{ font-family:"Times New Roman"; } @font-face{ font-family:"宋体"; } @font-face{ font-family:"Arial Unicode MS"; } @font-face{ font-family:"Calibri"; } @font-face{ font-family:"微软雅黑"; } p.MsoNormal{ mso-style-name:正文; mso-style-parent:""; margin-top:0.0000pt; margin-right:0.0000pt; margin-bottom:0.0000pt; margin-left:0.0000pt; text-indent:0.0000pt; padding:0pt 0pt 0pt 0pt ; mso-pagination:widow-orphan; text-align:left; font-family:Calibri; color:rgb(0,0,0); letter-spacing:0.0000pt; text-underline:rgb(0,0,0); font-size:12.0000pt; } span.msoIns{ mso-style-type:export-only; mso-style-name:""; text-decoration:underline; text-underline:single; color:blue; } span.msoDel{ mso-style-type:export-only; mso-style-name:""; text-decoration:line-through; color:red; } @page{mso-page-border-surround-header:no; mso-page-border-surround-footer:no;}@page Section0{ } div.Section0{page:Section0;}

一、交互方式更加友好，RKNN-Toolkit新版本将支持图形界面

经过多个版本的不断迭代完善，RKNN-Toolkit已日益成熟。瑞芯微即将推出的新版将加入图形交互界面（GUI），开发者通过鼠标点击即可完成模型的转换、量化、性能分析、内存耗费分析等任务，快速完成AI模型在端侧部署的评估和转换工作。特别是对于混合量化等较为复杂的任务，相比于过去的命令行交互，通过图形界面可大幅提高效率并降低操作错误的概率。另外，新版RKNN-Toolkit的图形界面同样在Linux/Mac OSX/Windows三个平台上均可运行。

二、模型转化更加简便，RKNN-Toolkit将对MXNet和PyTorch提供原生支持

在过去RKNN-Toolkit通过ONNX来完成MXNet和PyTorch等模型的支持，开发者需要先将模型转换为ONNX格式，再进一步转换为RKNN模型，这一过程较为繁琐，并且提高了引入问题的概率使得最终转换失败。

MXNet及PyTorch发展非常迅速，普及度快速提高， RKNN-Toolkit新版本将原生支持MXNet及PyTorch模型的转换，在端侧AI平台的框架和模型支持覆盖度上继续保持领先。

三、模型推理性能更加稳定，瑞芯微 AI平台支持通过Docker快速部署端侧AI应用

随着端侧设备数量的成倍增长，需要以更具可扩展性的方式部署端侧AI应用软件。Docker容器技术是业界广泛通行的解决这一挑战的有力工具。

RK1808平台系统将提供对Docker的支持，通过硬件抽象层，在容器中仍可调用NPU的强劲算力，经测试，容器中的AI模型推理性能几乎没有损失。

an.bu�9