RKNN

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

yolov8 瑞芯微 RKNN 的 C++部署

  上一篇博客yolov8瑞芯微RKNN和地平线Horizon芯片仿真测试部署写了在rknn模型的转换与PC端仿真测试，有网友希望写一篇在板子上部署的博文和开源提供C++代码。
山水无移·2023-10-07 00:40

目标检测 YOLOv5 - 基于 瑞芯微 Rockchip RKNN C API 实现

目标检测YOLOv5-基于瑞芯微RockchipRKNNCAPI实现flyfish基于rknn的YOLOv5推理类环境开发语言：C++YOLOv5版本：YOLOv5_50设备测试环境：RV1126交叉编译环境
文野历笑生·2023-10-07 00:10

【RK3588】YOLO V5在瑞芯微板子上部署问题记录汇总

一、从pytorch的pt到rknn转换第一步：使用yolov5提供的
钱多多先森·2023-10-07 00:09

【代码阅读笔记】yolov5 rknn模型部署

一、main函数思路二、值得学习的地方1、关注yolov5检测流程2、其中几个重要的结构体typedefstruct{intleft;intright;inttop;intbottom;}YOLOV5_BOX_RECT;//box坐标信息typedefstruct{charname[YOLOV5_NAME_MAX_SIZE];intclass_index;YOLOV5_BOX_RECTbox;fl
爱钓鱼的歪猴·2023-10-05 18:03

rknn ffmpeg硬解码环境配置以及调用代码

查看rk3588系统信息cat/proc/version本编译在Debain/ubuntu20.04这两家板子上编译成功。安装依赖sudoapt-getinstalllibx264-devsudoapt-getinstalllibfaac-devsudoapt-getinstalllibmp3lame-devsudoapt-getinstalllibtheora-devsudoapt-getins
颐水风华·2023-10-05 03:25

【bug 记录】yolov5_C_demo 部署在 rv1126

CMakeLists中将正确的OpenCV库路径添加到CMAKE_PREFIX_PATH变量中set(CMAKE_PREFIX_PATH“/mnt/usr/local”${CMAKE_PREFIX_PATH})问题2：rknn_api.h
爱钓鱼的歪猴·2023-10-02 02:16

yolov5 onnx模型 转为 rknn模型

1、转换为rknn模型环境搭建onnx模型需要转换为rknn模型才能在rv1126开发板上运行，所以需要先搭建转换环境模型转换工具模型转换相关文件下载：网盘下载链接：百度网盘请输入提取码提取码：teuc
爱钓鱼的歪猴·2023-09-30 14:33

【详细记录】rv1126 跑通 yolov5

在前面，已经将onnx模型转为rknn模型。
爱钓鱼的歪猴·2023-09-30 14:33

【大体思路】rv1126 跑通 yolov5

一、模型格式转换目标：yolov5_coco.onnx--->yolov5_coco_rv1126.rknnyolov5onnx模型转为rknn模型-CSDN博客步骤：1、加载docker镜像，rknn-toolkit
爱钓鱼的歪猴·2023-09-30 14:01

git学习笔记

up:b站迷斯特航两个版本的项目版本控制：分支操作：基本操作：克隆远程项目到本地：gitclonehttps://github.com/zhoeujei/rknn-coal-ai.git修改提交到本地仓库
完◎笑·2023-09-30 01:01

iTOP-RK3588开发板体验RKNN_DEMO

1rknn_ssd_demo体验rknn_ssd_demo实现了一个目标测试的功能。
mucheni·2023-09-28 16:46

【工程部署】手把手教你在RKNN上部署OCR服务（下）

序言【工程部署】手把手教你在RKNN上部署OCR服务（上）本篇接上一篇，主要是一些代码实现。
三叔家的猫·2023-09-28 16:20

iTOP-RK3588开发板rknn_multiple_input_demo 体验

/rknn_mu
mucheni·2023-09-28 13:26

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-RK35
mucheni·2023-09-28 13:56

iTOP-RK3588开发板体验RKNN_DEMO

RKNN是RockchipNPU平台(也就是开发板)使用的模型类型，是以.rknn结尾的模型文件。
mucheni·2023-09-28 13:25

RK3588安装python3.11(ubuntu18.04)

1.前言看到rknn_toolkit_lite2更新了python3.11的安装包，马上更新一下2.RK3588安装python3.11Ubuntu上编译Python3.11，您可以按照以下步骤进行操作
呆呆珝·2023-09-28 06:17

YOLOV8-DET转ONNX和RKNN

目录1.前言2.环境配置(1)RK3588开发板Python环境(2)PC转onnx和rknn的环境3.PT模型转onnx4.ONNX模型转RKNN6.测试结果1.前言yolov8就不介绍了，详细的请见
呆呆珝·2023-09-26 19:24

RK3588S上从训练Minist到部署Minist仓库介绍

数据输入注意数据输入输出训练的时候有输入层的mean和std2.NPU推理3.后处理输出输出结果CNN手写神经网络部署1.Opencv_DNNonnxtime推理2.NPU推理GitHub-rockchip-linux/rknn-toolkit2
小枫小疯·2023-09-22 22:07

RKNN-Toolkit模型转换并在Rockchip NPU推理并进行性能评估

RKNN-Toolkit转换Tensorflow模型至RockchipNPU推理并进行性能评估文章目录RKNN-Toolkit转换Tensorflow模型至RockchipNPU推理并进行性能评估一、基本知识二
阿联Wzzz·2023-09-22 02:02

iTOP-RK3588开发板更新RKNN模型

RKNN是RockchipNPU平台(也就是开发板)使用的模型类型，是以.rknn结尾的模型文件。
mucheni·2023-09-21 16:46

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本地Linux使用的miniconda新建的一个python
*wj·2023-09-21 00:40

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RK3588Linux64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·2023-09-19 12:45

rk3568 RKNN配置（部分异常情况）

rk3568RKNN配置PC:Ubuntu18.0+rknn平台：RK3568Python版本：3.6.x安装rknn-toolkit21、下载RKNN_SDK或RK3568源码SDK，cd进入rknn-toolkit2
浅小钰io·2023-09-19 01:30

yolov5在rk3588上加速

不采用fastdeploy等三方框架，使用rknn-lite2或者rknpu在rk3588上加速，测试加速的是rknn自带的yolov5模型。
Kun Li·2023-09-17 20:29

RKNN模型评估-性能评估和内存评估

性能评估的例子读取yolov8n_relu.rknn模型，并连RK356
Good@dz·2023-09-16 12:36

YOLOV8导出onnx模型，再导出RKNN模型

一、代码下载C++完整部署代码和模型示例:yolov8_rknn_CplusplusPublicyolov8官方源码：https://github.com/ultralytics/ultralytics
Good@dz·2023-09-16 12:34

官方YOLOV5的torch模型-＞ONNX模型-＞RKNN模型

1、环境配置1.1RKNNToolkit2的环境配置下载RKNNToolkit2gitclonehttps://github.com/rockchip-linux/rknn-toolkit2.git打开一个终端命令行窗口
Good@dz·2023-09-10 09:06

RKNPU2通用API和零拷贝API

通用API部署流程初始化上下文，需要先创建上下文对象和读取模型文件rknn_contextctx;model=load_model(model_path,&model_len);ret=rknn_init
Good@dz·2023-09-10 09:06

rknn_server启动方法

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。
Good@dz·2023-09-10 09:34

Ubantu中安装rknn

（我使用py3.7的环境无法进行安装rknn）requirements-1.1.0.txt，rknn_toolkit2-1.1.0_5c458c6-cp36-cp36m-linux_x86_64.whl
小钧在努力呀·2023-09-08 20:42

瑞芯微RK3588开发板：虚拟机yolov5模型转化、开发板上python脚本调用npu并部署 全流程

目录0.背景1.模型转化1.1基础环境1.2创建python环境1.3将yolov5s.pt转为yolov5s.onnx1.4将yolov5s.onnx转为yolov5s.rknn2.开发板部署2.1.
wangxinRS·2023-09-07 22:16

docker 搭建rknn转换环境

文章目录下载rknn搭建docker环境进入镜像并挂载运行代码下载rknnhttps://github.com/rockchip-linux/rknn-toolkit2搭建docker环境进入到docker
东哥爱编程·2023-08-31 07:17

OK3588应用之——人脸和人脸关键点的检测（十四）

FastDeploy来部署应用深度学习模型到OK3588板卡上进入主机Ubuntu的虚拟环境condaactivateok3588主机环境搭建可以参考上一篇《OK3588板卡实现人像抠图（十二）》转换成RKNN
边缘计算NVIDIA&Rockchip·2023-08-30 17:23

OK3588板卡实现人像抠图（十二）

一、主机模型转换采用FastDeploy来部署应用深度学习模型到OK3588板卡上进入主机Ubuntu的虚拟环境condaactivateok3588安装rknn-toolkit2（该工具不能在OK3588
边缘计算NVIDIA&Rockchip·2023-08-30 17:22

RK3588部署自写手写数字识别模型

-----------------------------------------------------------------------------------------------首先搭建好rknn_toolkit
warren@伟_·2023-08-29 13:45

rknn_toolkit以及rknpu环境搭建-rv1126

rknn_toolkit安装-------------------------------------------------------------------------------环境要求：ubutu18.04
warren@伟_·2023-08-29 13:44
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他