深度学习模型部署RV1126（一）——Ubuntu配置rknn环境

模型部署RV11126的流程大致为：训练得到.pth模型、pth2onnx、onnx2rknn，最后在边缘计算设备上完成部署，本文旨在完成RKNN的环境搭建工作，以便于后续的模型转换与部署。

一、所需条件

• Ubuntu_16_04_64

二、Ubuntu配置rknn环境

（1）模型转换环境的配置下载

rknn_toolkit：GitHub - rockchip-linux/rknn-toolkit

第一个是rknn官方安装包压缩文件，whl文件在这里面。第二个是rknn官方压缩文件，这里没用到也可以不下载。

（2）RKNN Model Zoo：GitHub - airockchip/rknn_model_zoo

（3）arm交叉编译工具链

（4）anaconda安装：

anaconda官网：

进入放置这个sh文件的目录下打开终端，执行：bash anaconda安装包名：

这个安装需要阅读协议，可以一直输入yes和回车，会比按enter键更快。

安装完成之后进行配置才能正常使用：source ~/.bashrc

（5）rknn-toolkit安装：

conda create -n py3.6-rknn-1.7.5 python=3.6      //创建虚拟环境
conda activate py3.6-rknn-1.7.5       //激活虚拟环境

//在安装rknn-tooltik之前先升级一下系统的cmake

安装的tensorflow和pytorch版本最好适配rknn-tooltik的版本，否则可能会有问题，在rknn-toolkit-package里的txt里面有给出建议安装的版本。

pip install rknn_toolkit-1.7.5-cp36-cp36m-linux_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple pip install tensorflow==1.14.0 pip install mxnet==1.5.0 pip install torch==1.10.0+cpu -f https://download.pytorch.org/whl/torch_stable.html pip install torchvision==0.11.0+cpu -f https://download.pytorch.org/whl/torch_stable.html pip install gluoncv 上面的步骤结束之后，可以进行测试看安装是否成功：

（6）配置交叉编译环境

xz -d gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf.tar.xz
tar -xvf gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf.tar

sudo gedit ~/.bashrc
export PATH=/home/ss/RV1126/gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf/bin:$PATH
# 上面这句修改为自己的目录，加到最末尾即可
source ~/.bashrc

三、安装验证

采用rknn转换的可视化形式，来验证是否成功

conda activate py3.6-rknn-1.7.5
python -m rknn.bin.visualization

参考：

【瑞芯微RV1126(深度学习模型部署)】部署自己训练的yolov8-seg，实现足型检测！-CSDN博客