1. 實(shí)驗(yàn)?zāi)康?/p>

?驗(yàn)證 .rknn 模型文件在 ELF-RV1126B 板端可被正確加載。

?驗(yàn)證 init_runtime 初始化成功，說明 NPU 運(yùn)行時(shí)與模型版本基本匹配。

?保留最小化驗(yàn)證日志，為后續(xù) YOLOv8目標(biāo)檢測(cè)部署做前置確認(rèn)。

2.準(zhǔn)備事項(xiàng)

1）準(zhǔn)備一個(gè)可用的 .rknn模型文件，例如官方資料包中的 best.rknn。

2）建議在板端單獨(dú)創(chuàng)建測(cè)試目錄，避免模型文件路徑混亂。

步驟 2.1 創(chuàng)建測(cè)試目錄并確認(rèn)模型文件存在

mkdir -p ~/rknn_test cd ~/rknn_test ls -lh ./best.rknn

這里提前將官方資料包中的best.rknn復(fù)制到了rknn_test文件夾下。

預(yù)期現(xiàn)象：best.rknn文件存在，且文件大小明顯大于 0。若文件不存在或大小異常，請(qǐng)先檢查拷貝路徑和模型文件完整性。

步驟 2.2 激活 Python虛擬環(huán)境（按你的實(shí)際路徑調(diào)整，這里重新在rknn_test文件夾下配置了虛擬環(huán)境）

python3 -m venv elf-env source elf-env/bin/activate python3 –version pip install rknn-toolkit-lite2==2.3.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

步驟 2.3 編寫最小化加載驗(yàn)證腳本 test_load_rknn.py

Vim test_load_rknn.py from rknnlite.api import RKNNLite rknn = RKNNLite() ret = rknn.load_rknn('./best.rknn') assert ret == 0, f'load_rknn failed: {ret}' ret = rknn.init_runtime() assert ret == 0, f'init_runtime failed: {ret}' print('RKNN model load and runtime init success') rknn.release()

步驟 2.4 運(yùn)行最小化驗(yàn)證

sudo ./elf-env/bin/python3 test_load_rknn.py

預(yù)期現(xiàn)象：終端打印 RKNN model load and runtime init success。若能夠穩(wěn)定出現(xiàn)該信息，說明模型文件、Lite2 版本和板端運(yùn)行時(shí)已基本匹配。