rknntoolkitlite2环境搭建

前言

RKNN Toolkit Lite2 工具支持运行在

RK3568: Debian10/Debian11(aarch64)、Ubuntu20/22(aarch64)

RK3588: Debian10/Debian11(aarch64)、Ubuntu20/22(aarch64)

开发板上系统 python 版本为 3.7 或者 3.9 版本。

作者使用的开发板上面的Ubuntu系统为22.04版本的。

0、要下载的软件包

下面要安装的软件包以百度网盘链接的形式给出:

链接:https://pan.baidu.com/s/1Jq_tnTFXyH7Dgzp6R-YHwQ

提取码:1234

下载之后,进入到文件夹中,如下图所示:

第一个是miniconda的文件夹,第二个是rknntoolkitlite2的文件夹。

一、环境搭建步骤

1.1 安装Miniconda

Conda 是一个开源的软件包管理系统和环境管理系统,它可以用于安装、管理和升级软件包和依赖项,我们这里使用conda的目的只是构建一个虚拟环境,所以选择轻量化的miniconda。

首先将 Miniconda3-latest-Linux-aarch64.sh 安装包拷贝到开发板上(建议开发板系统使用普通用户),拷贝完成如下图所示:

然后使用"./Miniconda3-latest-Linux-aarch64.sh"安装 Miniconda,输入回车和"yes",等 待安装完成,安装完成如下图所示:

然后使用"source /home/topeet/.bashrc" 命令更新环境变量,可以看到在终端前会出现 (base),证明 miniconda 安装完成了。

也可能出现如下图所示的打印情况:

需要使用以下命令更新环境,然后输入以下命令更新环境:

/home/topeet/miniconda3/bin/conda shell.bash hook

1.2创建RKNN虚拟环境

然后使用命令 conda create -n rknn python=3.9 创建名为 rknn 的 python 版本为 3.9 的虚拟环境,创建过程如下图所示: ​​​​​​​

在这个过程中可能出现如下图所示的问题:

原因:这说明你的开发板上面的系统没有联网或者下载命令需要更新所导致的。

解决方法:

(1)在你的开发板系统上联网

(2)运行sudo apt update 指令,更新下载指令。

执行完上述操作之后继续运行 conda create -n rknn python=3.9 指令。

然后使用命令 conda activate rknn 激活刚刚创建的 rknn 虚拟环境,如下图所示:

可以看到终端最前面已经由 base 修改为了 rknn,证明成功激活了 rknn 虚拟环境。

1.3 安装rknntoolkitlite2软件包

rknn_toolkit_lite2/packages/rknn_toolkit_lite2-1.4.0-cp39-cp39-linux_aarch64.whl 到开发板上。拷贝完成如下图所示:

然后使用以下命令安装 RKNN-ToolkitLite 2 软件包,安装过程如下所示: pip install rknn_toolkit_lite2-1.4.0-cp39-cp39-linux_aarch64.whl -i https://pypi.mirrors.ustc.edu.cn/simple

打印以下内容,使用以下命令进行安装,如下图所示: sudo apt-get update sudo apt-get install gcc python3-dev

再次执行以下命令安装 RKNN-ToolkitLite 2 软件包,安装完成如下所示: pip install rknn_toolkit_lite2-1.4.0-cp39-cp39-linux_aarch64.whl -i https://pypi.mirrors.ustc.edu. cn/simple

1.4 安装opencv

由于后续都会使用到 opencv,所以最后还需要安装 opencv。继续使用以下命令安装 opencv, 安装完成如下图所示: pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

至此,RKNN-ToolkitLite 2 的使用环境就搭建完成了。

相关推荐
Hello.Reader42 分钟前
一个开源项目,让 AI 做逆向不再靠猜reverse-skill 架构解析与本地实战
人工智能·架构·开源
wespaul1 小时前
VeapAI 自然语言操作实战|第 05 篇:向量与召回——从知识条目到可检索资产
大数据·数据库·人工智能·milvus
mingbaiceping2 小时前
复旦-华盛顿大学EMBA:2026年AI课程矩阵解析
人工智能
李福春2 小时前
技术思考问题17:上了LangChain框架就等于AI-Agent工程化吗?
大数据·人工智能·langchain·深圳同盟·腾讯云架构师技术同盟·llm应用架构·编排抽象
揽秀亭长2 小时前
AIGC 检测原理拆解与论文降 AI 率的可复现处理流程(2026版)
人工智能·aigc
羞儿2 小时前
【DSH】为什么需要-Harness
人工智能·大模型·harness·认知构建
JackLam4 小时前
AI-安装ChatGpt Codex
人工智能
强哥聊算力4 小时前
《算力江湖·英伟达传奇》第七集:ChatGPT出现前夜,英伟达发生了什么?
服务器·人工智能·算法·ai·chatgpt·gpu算力
吴佳浩5 小时前
Run:ai 开源了,我把 GPU 编排摆回 AI 栈里看了一遍
人工智能
IT_Octopus7 小时前
【零基础入门 LLM 开发 · Day 13】:LangChain 的对话记忆——Message 对象版
人工智能·python·langchain