RK1808 计算棒使用（被动模式）

RK1808 计算棒使用（被动模式）

文章目录

• RK1808 计算棒使用（被动模式）
• • 一、硬件平台
  • • 1.1 RK1808S0 计算棒外观：
    • 1.2 产品技术规格
    • 1.3 被动模式
  • 二、环境安装
  • • 2.1 下载 rknn-tool-kit
    • 2.2 创建 python 环境
    • 2.3 安装 rknn_toolkit 1.71 版本工具
  • 三、Demo 运行
  • • 3.1 更新 rk1808 规则
    • 3.2 获取设备号及测试模型
    • 3.3 添加设备号测试模型

RK1808 计算棒使用（被动模式） 一、硬件平台 1.1 RK1808S0 计算棒外观：

1.2 产品技术规格

CPU规格：

CPURK1808内存1GB LPDDR存储8GB EMMC尺寸82×31×13mm接口USB3.0 Type-A最小系统要求Ubuntu 16.04或win 7的x86_64计算机；
USB 2.0 Type-A端口；2 GB RAM；4 GB可用存储空间；温度0℃~40℃

NPU峰值算力：3TOPs

1.3 被动模式

被动模式下，上位机通过 RKNN-Toolkit 将模型及前处理后的数据传输给 RK1808 人工智能计算棒，RK1808 人工智能计算棒完成推理，并把结果返回上位机，上位机进行后处理以及显示等 *** 作，此方法主要用于模型的测试验证，当测试验证完成后，可以在主动模式下将模型进行部署，其他设备传输数据到计算棒，直接获取 AI 模型推理结果！

二、环境安装 2.1 下载 rknn-tool-kit

Github下载链接：下载链接

下载指令：

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

2.2 创建 python 环境

使用 conda 创建一个 rknn 运行的 python 环境

conda create -n rknn_py_env python=3.6.8 

环境创建：

环境创建后，激活环境

conda activate rknn_py_env 

如果 conda activate 无法使用，先使用 conda init bash 初始化本地 bash，初始化后，bash 前面会有（bash），然后激活环境，环境激活后如下：

2.3 安装 rknn_toolkit 1.71 版本工具

在该环境下安装 rknn 所需要的依赖

conda install tensorflow==1.14.0
conda install mxnet==1.5.0
pip3 install torch==1.5.1 torchvision==0.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install gluoncv -i https://pypi.tuna.tsinghua.edu.cn/simple/

依赖安装完成后，进入到 rknn 目录下面的 package 目录下，下载 rknn 轮子包：

wget https://github.com/rockchip-linux/rknn-toolkit/releases/download/v1.7.1/rknn-toolkit-v1.7.1-packages.tar.gz

下载后解压，然后安装：

tar zxvf rknn-toolkit-v1.7.1-packages.tar.gz
cd packages/
pip3 install rknn_toolkit-1.7.1-cp36-cp36m-linux_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

测试一下 rknn 环境有没有安装成功，安装成功如下

三、Demo 运行 3.1 更新 rk1808 规则

插入计算棒，Ubuntu 下会将 RK1808 识别成一个 U盘，我们拷贝 update_rk1808_ai_cs_rule.sh 文件到 rknn 环境文件夹下面：

cp /media/jeck/D751-28EA/tool/update_rk1808_ai_cs_rule.sh /home/jeck/rk1808/ -f

给脚本可执行权限，执行脚本

chmod +x ./update_rk1808_ai_cs_rule.sh 
./update_rk1808_ai_cs_rule.sh

使用 lsusb 查看 rk1808 设备：

3.2 获取设备号及测试模型

下载一个 mobilenetv1 的测试程序，并解压：

wget http://repo.rock-chips.com/rk1808/mobilenet_v1.tar.gz
tar xvf mobilenet_v1.tar.gz

在进行测试前，我们先看一下当前 RK1808S0 的设备号：

# 先启动python
python
# 打印设备ID
from rknn.api import RKNN
rknn = RKNN()
rknn.list_devices()

执行结果，获得了设备号：

注意：使用 quit() 退出 python 环境

3.3 添加设备号测试模型

进入 mobilenet 文件夹，修改执行脚本，添加目标设备号：

vim test.py 

添加位置：

执行测试脚本：

python test.py

模型测试结果：

帧率： 141.74，量化后精度： 0.8828125，效果不错