RK3568笔记一：RKNN开发环境搭建

若该文为原创文章，转载请注明原文出处。

由于对AI的好奇，想要学习如何部署AI，所以从RV1126到RK3568中过渡。

一、介绍

RK3568开发板使用的是正点原子新出的ATK-DLRK3568 开发板，主要是学习从训练到部署的全过程，并记录，为自己的学习作个总结。关于ATK-DLRK3568 开发板，正点原子正在出教程，资料也开源，手册目前相对少一点，但不影响学习，因为主要是AI部分，所以基本要自己摸索。

本篇从开发环境搭建开始记录，大部分在03【正点原子】ATK-DLRK3568_AI例程测试手册V1.0.pdf里有，具体要了解，可以去下载资料。

虚拟机和系统自行安装，博主使用的是原子哥提供好的虚拟环境。

接下来记录：SDK编译，RKNN环境安装。

开发板系统主要使用的是linux，其他系统自行测试。

二、安装****RK3568 Linux SDK

1、安装依赖软件包

sudo apt-get update
sudo apt-get install curl python2.7 python-pyelftools git ssh make gcc libssl-dev liblz4-tool expect g++ 
patchelf chrpath gawk texinfo chrpath diffstat binfmt-support qemu-user-static live-build bison flex 
fakeroot cmake gcc-multilib g++-multilib unzip device-tree-compiler python3-pip libncurses-dev python3-pyelftools vim mtd-utils

2、设置python 版本

将 python2 设置为系统默认 python 版本：

sudo rm -rf /usr/bin/python
sudo ln -s /usr/bin/python2 /usr/bin/python

3、安装****SDK

解压网盘里的SDK, atk- rk3568_linux_release_v1.0_20230620.tgz

mkdir ~/rk3568_linux_sdk
tar xvf atk-rk3568_linux_release_v1.0_20230620.tgz -C ~/rk3568_linux_sdk

检出源码

cd ~/rk3568_linux_sdk/
.repo/repo/repo sync -l -j10

完成后就可以看到源码了

SDK 工程目录介绍
SDK 源码根目录下包含有 app 、 buildroot 、 debian 、 device 、 external 、 tools 、 u-boot 、 yocto
等多个目录，每个目录或其子目录会对应一个 git 工程；因为 SDK 的代码和相关文档被划分成
了若干 git 仓库分别进行版本管理（所以 SDK 实际上包含有若干 git 仓库），它们按照功能、所
属模块划分，分别组织到不同的目录下。
⚫ app ：存放上层应用 app ，包括 Qt 应用程序，以及其它的 C/C++ 应用程序。
⚫ buildroot ：基于 buildroot 开发的根文件系统。
⚫ debian ：基于 Debian 开发的根文件系统。
⚫ device/rockchip ：存放各芯片板级配置文件和 Parameter 分区表文件，以及一些编译与
打包固件的脚本和预备文件。
⚫ docs ：存放芯片模块开发指导文档、平台支持列表、芯片平台相关文档、 Linux 开发指
南等。
⚫ external ：存放所需的第三方库，包括音频、视频、网络、 recovery 等。
⚫ kernel ： Linux 4.19 版本内核源码。
⚫ prebuilts ：存放交叉编译工具链。
⚫ rkbin ：存放 Rockchip 相关的 Binary 和工具。
⚫ rockdev ：存放编译输出固件，编译 SDK 后才会生成该文件夹。
⚫ tools ：存放 Linux 和 Windows 操作系统环境下常用的工具，包括镜像烧录工具、 SD 卡
升级启动制作工具、批量烧录工具等，譬如前面给大家介绍的 RKDevTool 工具以及
Linux_Upgrade_Tool 工具都存放在该目录。
⚫ u-boot ：基于 v2017.09 版本进行开发的 uboot 源码。
⚫ yocto ：基于 Yocto 开发的根文件系统。
软件框图：

4、SDK****编译

编译可以单独编译，也可以全自动编译，首次编译检测全自动编译。
首先进入到 SDK 源码根目录下，配置板级文件。

./build.sh lunch

接下来，拷贝第三方库， 开发板资料包里有提供，即dl文件。
将dl.tgz解压到<SDK>/buildroot 目录下

tar -xzf dl.tgz -C ~/rk3568_linux_sdk/buildroot/

接下来就是编译，编译的时间长短和电脑有关，我编译了大概半小时，无意外，编译成功。

./build.sh all

暂时没有做其他的功能，单纯的想要弄AI，所以没单独编译，可以看手册跟着原子哥做一遍。

三、RKNN开发环境搭建

1、安装交叉编译工具链

资料包里提供了工具链 atk-dlrk3568-toolchain-arm-buildroot-linux-gnueabihf-x86_64-20230621-v1.0.0.run，直接安装就好，拷贝到虚拟机里。

chmod a+x atk-dlrk3568-toolchain-arm-buildroot-linux-gnueabihf-x86_64-20230621-v1.0.0.run

./atk-dlrk3568-toolchain-arm-buildroot-linux-gnueabihf-x86_64-20230621-v1.0.0.run

2、anaconda 的下载安装

下载anaconda

mkdir ~/software
cd ~/software 
wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.03-1-Linux-x86_64.sh

安装

bash Anaconda3-2023.03-1-Linux-x86_64.sh

安装完成后，重启下ubuntu，重新 打开终端会发现前面多了个（ base ）。
为了方便，执行下面命令，不自动进入conda的虚拟环境

conda config --set auto_activate_base false

3、anaconda****的环境配置

a 、首先执行以下命令查看下当前镜像源，显示只有个 defaults 默认源。

conda config --show channels

b 、接下来我们添加清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

四、安装rknn-toolkit2转换环境

1、下载****rknn-toolkit2

资料包里提供了rknn-toolkit2-1.5.0.zip文件，也可以在github上下载

2、新建conda环境

conda create --name py3.8 python=3.8

3、安装****rknn-toolkit2

激活 conda 环境

conda activate py3.8

进入rknn-toolkit2-1.5.0/doc目录，安装依赖

pip install -r requirements_cp38-1.5.0.txt -i https://mirror.baidu.com/pypi/simple

4、安装rknn-toolkit2工具

进入 rknn-toolkit2-1.5.0/packages目录

pip install rknn_toolkit2-1.5.0+1fa95b5c-cp38-cp38-linux_x86_64.whl

5、测试****rknn-toolkit2

们进到对应的 tflite 的例程目录，测试下 mobilenet_v1 的例程是否正常。
进入到rknn-toolkit2-1.5.0/examples/tflite/mobilenet_v1/目录下，执行下面命令测试。

python test.py

五、测试buildroot下的python推理例程

1、安装****RKNN Toolkit Lite2

RKNN Toolkit Lite2 为 Rockchip NPU 平台提供 Python 编程接口，帮助用户部署 RKNN 模
型，加速 AI 应用的落地。接下来我们讲解下如何在板子上安装那个 rknn-toolkit-lite2 环境。

安装 RKNN Toolkit Lite2,需要把rknn_toolkit_lite2-1.5.0-cp38-cp38-linux_aarch64.whl放到板子上在安装。

所以先在ubuntu使用adb方式传到开发板，执行下面命令：
进到 rknn-toolkit2-1.5.0/rknn_toolkit_lite2/packages 目录

adb push rknn_toolkit_lite2-1.5.0-cp38-cp38-linux_aarch64.whl /userdata

传输完成后打开开发板串口终端或者 ssh 终端，进到目录 userdata 目录
输入以下命令进行安装。

cd /userdata
pip install rknn_toolkit_lite2-1.5.0-cp38-cp38-linux_aarch64.whl

2、测试python下的AI例程

进入 rknn_toolkit_lite2 目录，把例程传到开发板

adb push examples/inference_with_lite/ /userdata

传输完毕后，打开开发板的串口终端，进入到 /userdata/inference_with_lite/ 目录
输入以下命令执行看下效果。

cd /userdata/inference_with_lite/
python test.py

至此环境搭建完成。

如有侵权，或需要完整代码，请及时联系博主。