YY3568開發板是 「風火輪科技」 基于Rockchip RK3568 芯片平臺設計的開發板，四核 64Cortex-A55 核，主頻最高達 2GHz，集成雙核心架構GPU以及高效能NPU，芯片性能優異。開發板功能接口豐富，多媒體性能強悍、可在物聯網、工業控制、智慧交通、輕量級人工智能等領域發揮獨特優勢。

RKNPU已經經過了幾代的發展，趨近成熟。RK3399pro和RK1808初次引入了 RKNPU，相比傳統的CPU和GPU相比傳統的CPU和GPU，在深度學習運算能力上有比較大幅度的提升。接下來在RV1109和RV1126上使用了第二代NPU，提升了NPU的利用率。第三代NPU應用在RK3566和RK3568上，搭載全新NPU自研架構，而RK3588搭載的為第四代NPU，提高了帶寬利用率，支持了多核擴展。

什么是rknn

RKNN：瑞芯微的神經網絡計算框架，它提供了一系列的工具和庫，幫助開發者更輕松地構建、訓練和部署神經網絡模型。RKNN支持各種流行的深度學習框架，如TensorFlow、PyTorch等，并提供了豐富的API接口，方便開發者進行模型轉換、優化和部署。通過RKNN，開發者可以更高效地利用RKNPU的計算能力，實現更快速、更準確的神經網絡推理。

什么是rknpu

RKNPU：瑞芯微的神經網絡處理單元，旨在在移動設備和邊緣設備上高效地執行深度學習推理任務。它針對神經網絡模型進行了優化，能夠提供高性能、低功耗的推理計算能力。通過高效的計算和低延遲的處理，RKNPU可以幫助開發者實現各種人工智能和機器學習應用，如圖像識別、語音識別、自然語言處理等。

什么是rknn-toolkit2

RKNN-Toolkits：瑞芯微的神經網絡工具包，它為開發者提供了一系列實用的工具和庫，用于加速神經網絡的開發和部署。RKNN-Toolkits包含了各種常用的工具，如模型轉換工具、性能分析工具、調試工具等，方便開發者進行模型的訓練、測試和優化。此外，RKNN-Toolkits還提供了豐富的示例代碼和文檔，幫助開發者快速上手并掌握如何使用瑞芯微的神經網絡解決方案。

rknn-toolkit2環境搭建

安裝Miniconda

Conda 是一個開源的軟件包管理系統和環境管理系統，它可以用于安裝、管理和升級軟件包和依賴項。

下載并安裝Miniconda，安裝完成之后會自動設置環境變量，重新打開終端：

rice@rice:~$mkdir-p~/rknn/tools/miniconda
rice@rice:~$cd~/rknn/tools/miniconda
rice@rice:~/rknn/tools/miniconda$wgethttps://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
rice@rice:~/rknn/tools/miniconda$./Miniconda3-latest-Linux-x86_64.sh

在用戶目錄下新建.condarc文件，并輸入如下內容

rice@rice:~$vim.condarc

channels:
-defaults
show_channel_urls:true
channel_alias:https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

創建RKNN虛擬環境

為了避免環境導致一系列問題，使用conda創建rknn虛擬環境，使用如下命令；命令執行之后，首先會要求安裝一些列軟件包，輸入 y 確認即可。

rice@rice:~/rknn$condacreate-nrknnpython=3.8

激活rknn虛擬環境，命令如下

rice@rice:~/rknn$condaactivaterknn

安裝rknn_toolkit2

創建rknn_toolkit2目錄，命令如下：

rice@rice:~$mkdir-p~/rknn/tools/rknn_toolkit2

將requirements_cp38-1.4.0.txt和rknn_toolkit2-1.4.0_22dcfef4-cp38-cp38-linux_x86_64.whl拷貝到目錄：~/rknn/tools/rknn_toolkit2

安裝numpy，命令如下：

rice@rice:~$pipinstallnumpy==1.16.6-ihttps://pypi.tuna.tsinghua.edu.cn/simple

安裝瑞芯微提供的requirements_cp38-1.4.0.txt文件的依賴包，命令如下：

rice@rice:~$cd~/rknn/tools/rknn_toolkit2
rice@rice:~/rknn/tools/rknn_toolkit2$pipinstall-rrequirements_cp38-1.4.0.txt-ihttps://pypi.tuna.tsinghua.edu.cn/simple

安裝瑞芯微的rknn_toolkit2，命令如下：

rice@rice:~/rknn/tools/rknn_toolkit2$pipinstall-rrequirements_cp38-1.4.0.txt-ihttps://pypi.tuna.tsinghua.edu.cn/simple

注意：如果遇到invalid version‘1.4.0-22dcfef4'的問題輸入下面這兩句命令

pipinstalluninstallsetuptools
pipinstallinstallsetuptools==49.6.0-ihttps://pypi.tuna.tsinghua.edu.cn/simple

安裝pycharm

官網下載pycharm，下載路徑：~/rknn/tools/，官網鏈接：https://www.jetbrains.com/pycharm/。

解壓安裝pycharm，執行命令：

rice@rice:~$cd~/rknn/tools
rice@rice:~/rknn/tools$tar-xzvfpycharm-community-2023.1.tar.gz
rice@rice:~/rknn/tools$cdpycharm-community-2023.1/bin/
rice@rice:~/rknn/tools/pycharm-community-2023.1/bin/$./pycharm.sh

安裝完后進入pycharm軟件，如下圖：

創建pycharm工程

通過pycharm創建工程，新建項目，選擇好工程存放目錄

選擇解析器為“先前配置的解析器”，配置為rknn的模擬器的解析器，如下圖：

創建完成之后，打開 Pycharm 內置終端，可以看到默認已經幫我們激活了RKNN虛擬環境，如下圖所示

rknn 模型推理

通過pycharm打開rknn-toolkit2提供的examples，我們使用rknn-toolkit2提供的onnx的實例。onnx目錄：rknn-toolkit2/examples/onnx/yolov5

默認的工程推理之后不顯示出結果，我們需要將test.py中輸出顯示的注釋去掉

執行test.py腳本，即可以看到其推理的結果

yy3568 模型推理

我們將yy3568安裝ubuntu系統，官方提供了yy3568的ubuntu系統，直接下載安裝即可，教程連接如下：https://wiki.youyeetoo.cn/zh/YY3568

默認的yy3568的ubuntu系統提供了一個實例，目錄：/rockchip-test/rknn_ssd_demo_Linux。進入這個目錄，運行demo：

youyeetoo@smartfly:~$cd/rockchip-test/rknn_ssd_demo_Linux
youyeetoo@smartfly:/rockchip-test/rknn_ssd_demo_Linux$
youyeetoo@smartfly:/rockchip-test/rknn_ssd_demo_Linux$./rknn_ssd_demo./model/RK356X/ssd_inception_v2.rknn./model/bus.jpg