rk3568环境配置和推理报错: RKNN_ERR_MALLOC_FAIL

前言
最近在部署算法在板子侧遇到的一些问题汇总一下：

一、版本问题

经过测试现在将自己环境配置如下：

本地linux安装rknn-toolkit2-1.5.0

1. 本地Linux使用的miniconda新建的一个python虚拟环境（自行网上查找相关方法）
   
2. 安装好自己的虚拟环境之后：安装所需的依赖包

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

3. 将官方的RKNN-Toolkit2库git到linux本地：(如果提示没有找到git命令，使用：sudo apt install git-all安装git工具)

 git clone https://github.com/rockchip-linux/rknn-toolkit2

4. 进入 Toolkit2 工程文件夹， 根据工程的保存路径修改 cd 命令中的路径。

cd ~/rknn-toolkit2

5. 安装必要相应版本的依赖包（这里我安装和我自己linux匹配的py3.8版本）

 pip3 install -r doc/requirements_cp38-1.5.0 

6. 安装 RKNN-Toolkit2（Python3.6 for x86_64）

 pip3 install package/rknn_toolkit2-1.5.0+1fa95b5c-cp38-cp38-linux_x86_64

7. 检查 RKNN-Toolkit2 是否安装成功。 出现这个界面，就说明本地linux端的安装已经成功，
   
8. 可以运行官方的examples案例检测：rknn-toolkit2/examples/onnx/yolov5
   

板子RK3568环境安装

1. git源码到板子上

git clone https://github.com/rockchip-linux/rknn-toolkit2

cd ./rknn_toolkit_lite2

文件结构如下：

1. 环境安装

 sudo apt update
#安装python工具等
sudo apt-get install python3-dev python3-pip gcc
#安装相关依赖和软件包
pip3 install wheel
sudo apt-get install -y python3-opencv
sudo apt-get install -y python3-numpy
sudo apt -y install python3-setuptools

2. Toolkit Lite2工具安装：

# 进入到rknn_toolkit_lite2目录下，
cd rknn_toolkit_lite2/
# ubuntu22 python3.7
pip3 install packages/rknn_toolkit_lite2-1.5.0-cp310-cp310m-linux_aarch64.whl

3. 检测安装成功

python3
>>> from rknnlite.api import RKNNLite
>>>

4. 运行官方的demo
   此时运行一定是在rknn_toolkit_lite2这个文件下找到examples进行运行：

运行我的demo：仓库地址：https://gitee.com/wangyoujie11/rk3568_-demo

Mnist_PC放在本地电脑的linux环境下，激活自己的python虚拟环境，然后python test.py就可以运行
Mnist_rk3568放在板子的linux环境下，然后python3 rk3568_test.py就可以运行
运行结果分别如下：
pc端（程序里加载的1.png）：

RK3568板子端（程序里加载的7.png）：

---------------------------------------------分割线（不定期更新）-----------------------------------------

问题一

在使用RK3568开发板的时候，在板子侧部署.rknn模型推理的时候报错：

*Exception: RKNN init failed. error code: RKNN_ERR_MALLOC_FAIL*

然后查看官方的手册发现报错提示：内存分配失败
但是没有对应的解决方法，只能自己debug了(一杯茶，一包烟，一个bug找一天）…
后面发现问题所在：我的.onnx模型输出如下：有多个输出，导致在本地linux下可以运行自己的模型，但是在板子上由于资源受限，导致板子的内存分配失败。所以解决的办法就是将自己的.onnx模型的输出给减少。https://netron.app/可以将自己的.onnx模型加载看输入输出

#原xxx.onnx文件放在onnx文件夹下，然后创建一个新的文件夹newonnx用来存放新的.onnx模型
#版本说明这里的.onnx模型是在pytorch版本1.6.0~1.10.1直接训练的模型，并且在onnx版本在1.7.0~1.10.0之间
import onnx
model = onnx.load('./onnx/xxx.onnx')
node = model.graph.output[1]
model.graph.output.remove(node)
onnx.save(model, './newonnx/xxx.onnx')

model = onnx.load('./newonnx/xxx.onnx')
for i in range(1,9): #根据自己要删除的节点设置范围
    node = model.graph.output[1]
    model.graph.output.remove(node)
    onnx.save(model, './newonnx/xxx.onnx')

经过上面的代码裁剪.onnx模型之后

得到这个新的.onnx模型之后，就可以由本地Linux运行rknn的对应api将.onnx模型转为.rknn模型，然后将.rknn模型在板子上进行推理了。