RKNN-Toolkit2入门

RKNN-Toolkit2 的主要作用是在 x86 主机（Host）上将 ONNX、TensorFlow、Caffe 等模型转换为 .rknn 格式，然后部署到瑞芯微（Rockchip）NPU 芯片（如 RK3566、RK3568、RK3588、RV1106 等）上进行推理。

📌 详细解释：RKNN-Toolkit2 到底是什么？

🔧 1. 它是一个"模型转换 + 量化 + 推理"工具包

RKNN-Toolkit2 不只是一个"转换器"，它提供了一整套流程：

A $原始模型: ONNX/TensorFlow/PyTorch$ --> B $RKNN-Toolkit2$

B --> C{模型转换}

C --> D $量化: Float32 \to INT8/U8$

D --> E $生成 .rknn 文件$

E --> F $部署到 RK 芯片$

F --> G $在 NPU 上推理$

💻 2. 运行平台：x86 PC 或服务器（Host）

✅ 你通常在 x86 Linux 主机上安装和运行 RKNN-Toolkit2

用于：

加载 ONNX 模型

配置输入/输出

执行量化（需要校准数据集）

转换为 .rknn 模型文件

仿真推理（rknn.inference() 在 PC 上模拟）

🖥️ 3. 目标平台：瑞芯微 NPU 芯片（Target）

❌ .rknn 模型不能在 x86 上直接用 NPU 加速

✅ 必须把 .rknn 文件部署到 RK 芯片设备上（如 RK3588 开发板）

在目标设备上使用 RKNN-API 加载模型，并在 NPU 上运行推理

bash 复制代码

+------------------+        +------------------+
|   x86 主机         |        |  RK3588 设备       |
| (Ubuntu/PC)      |        | (嵌入式 Linux)    |
|                  |        |                  |
| • 原始模型         |        |                  |
| • ONNX/TensorFlow | -----> | • .rknn 模型       |
| • RKNN-Toolkit2   | 复制   | • 应用程序          |
| • 转换 + 量化      |        | • rknn-api        |
| • 生成 .rknn     |        | • NPU 推理         |
+------------------+        +------------------+
     ↑                              ↑
     |                              |
     +--------- 开发阶段 ------------+-------- 部署阶段 ------->

为了使用 RKNPU，用户需要首先在计算机上运行 RKNN-Toolkit2 工具，将训练好的模型转换为 RKNN 格式的模型，然后使用 RKNN C API 或 Python API 在开发板上进行推理。

RKNN-Toolkit2 是一个软件开发工具包，供用户在 PC 和 Rockchip NPU 平台上执行模型转换、推理和性能评估。

RKNN-Toolkit-Lite2 为 Rockchip NPU 平台提供了 Python 编程接口，帮助用户部署 RKNN 模型并加速 AI 应用的实现。

RKNN Runtime 为 Rockchip NPU 平台提供了 C/C++ 编程接口，帮助用户部署 RKNN 模型并加速 AI 应用的实现。

获取RKNN-Toolkit2资源

先创建python虚拟环境，如

bash 复制代码

conda create -n rknn python=3.10
conda activate rknn
# 下载RKNN-Toolkit2仓库
git clone https://github.com/airockchip/rknn-toolkit2.git
我没有开梯子，暂时用这个代替： git clone https://gitcode.com/gh_mirrors/rkn/rknn-toolkit2.git
# 下载RKNN Model Zoo仓库（包含示例代码）
git clone https://github.com/airockchip/rknn_model_zoo.git

安装RKNN-Toolkit2

在激活的Conda环境中安装RKNN-Toolkit2及其依赖：

bash 复制代码

# 进入rknn-toolkit2目录
cd ~/rknn-toolkit2/rknn-toolkit2
 
# 安装所需依赖库（根据Python版本选择对应的requirements文件）
如果没有pip包的话执行： conda install pip -y
然后：
pip install -r packages/x86_64/requirements_cp310-2.3.2.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

 
# 安装RKNN-Toolkit2 wheel包（注意版本号和Python版本匹配）
pip install packages/x86_64/rknn_toolkit2-2.3.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl

验证安装

安装完成后，通过简单的Python脚本来验证RKNN-Toolkit2是否安装成功：

bash 复制代码

#!/usr/bin/env python3
from rknn.api import RKNN  # 尝试导入RKNN模块
 
# 如果导入成功，会打印以下信息
print("RKNN-Toolkit2 导入成功！")
print("恭喜，RKNN-Toolkit2 环境已准备就绪。")

如果程序没有报错并成功打印信息，说明RKNN-Toolkit2已正确安装。