RKNN零拷贝API开发板落地部署RKNN模型
rknn-toolkit-v1.7.3-packages
RKNN模型的评估和推理测试
RKNN，全称Recurrent Kernel Neural Network，是一种新型的神经网络模型，具有高效、可解释性强等特点，被广泛应用于自然语言处理、计算机视觉等领域。未来可以在模型优化、硬件加速、预训练与迁移学习、多模态融合...
RKNN 是 Rockchip npu 平台使用的模型类型，以.rknn后缀结尾的模型文件。Rockchip 提供了完整了模型转换 Python 工具，方便用户将自主研发的算法模型转换成 RKNN 模型，同时 Rockchip 也提供了C/C++和Python API ...
在RK3588s上完成RKNN的部署，环境配置篇
使用多线程异步操作rknn模型, 提高rk3588/rk3588s的NPU使用率, 进而提高推理帧数，不过实际在使用摄像头做实时目标检测的时候帧率在25左右，所以后面打算主要使用rknpu2做板端部署，预计会快很多，有待验证 ...
转换rknn：python3 onnx_to_rknn.py 模型推理：python3 rknn_detect_yolov5.py 注意事项：如果训练尺寸不是640那么，anchors会自动聚类重新生成，生成的结果在训练时打印在控制台，或者通过动态查看torch模型类属性...
本项目是本人结合官方论坛和自身实践总结的、最快入门rknn3399pro及其相关系列的纯干货输出。包括具体的从入手到环境配置，端到端一体化训练样本，各种使用小技巧等。 如果你在探索一款AIOT产品，或者需要短时间内...
文件中包含内容： 使用平台为RK3588 (1)step1:pt模型转onnx (2)step2: onnx调用做推理 (3)step3: onnx转rknn模型 (4)step4:rknn模型调用
深度学习、嵌入式开发板的人员
rknn_toolkit-1.6.0-cp36-cp36m-win_amd64.whl
1. 卷积核设置 2. 融合结构设计 3. 关于 2D 卷积和 Depthwise 卷积的使用 4. 网络稀疏化
支持的平台 - RK3566/RK3568 - RK3588/RK3588S - RV1103/RV1106
yolov8 rknn3588混合量化
rknn_toolkit_lite2-2.0.0b0-cp38-cp38-linux_aarch64.whl
rknn_toolkit-1.7.1-cp35-cp35m-linux_x86_64.whl
RK3568 NPU rknn-toolkit2.1
windows系统rknn1.7轮子包
arm版python3.7rknn轮子包
Linux64位rknn轮子包
为了使用RKNPU，需要首先在计算机上运行RKNN-Toolkit2工具，将训练后的模型转换为RKNN格式的模型，然后在开发板上使用RKNN C API或Python API进行推理。
苹果系统rknn轮子包
标签： 香橙派5
经过量化后的yolov5.rknn
yolov5-7.0实例分割模型转onnx再转rknn，含各个阶段代码。包括： （1）pt转onnx （2）onnx转rknn及推理 （3）rknn推理
ubuntu系统rknn1.7轮子包
主干网络为mobilenet 包含onnx模型和转换后的rknn模型
YOLOv5训练移植RK3399Pro_PyTorch转ONNX转RKNN(带说明文档).zip YOLOv5训练移植RK3399Pro_PyTorch转ONNX转RKNN(带说明文档).zip YOLOv5训练移植RK3399Pro_PyTorch转ONNX转RKNN(带说明文档).zip
RKNN C API开发板上落地部署RKNN模型