本文以作者的亲身经历介绍RKNN Toolkit2开发环境安装。
在瑞芯微（Rockchip）的 AI 生态中，RKNN Toolkit2 是连接模型训练与板端部署的核心桥梁。它负责将 PyTorch、ONNX 等主流框架的模型转换为 NPU 可识别的 .rknn 格式，并提供仿真、量化、性能评估等一系列强大功能。
对于初学者而言，搭建一个稳定、高效的开发环境是成功的第一步。本文将为你提供一份详尽的图文指南，带你从零开始，在 Ubuntu 20.04 系统上完成 RKNN Toolkit2 环境的搭建，并配置好 PyCharm 和 VSCode 两款主流 IDE，助你快速开启 AI 开发之旅。
第一步：准备 Ubuntu 20.04 系统
一个干净、稳定的操作系统是成功搭建环境的基础。我们推荐使用 VMware 虚拟机来安装 Ubuntu 20.04。
安装 VMware：首先在你的 Windows 或 macOS 主机上安装好 VMware Workstation。
安装 Ubuntu 20.04：
你可以从 Ubuntu 官网下载标准的 ISO 镜像进行安装。
第二步：安装并配置 Miniconda
Miniconda 是一个轻量级的 Python 环境管理工具，它能帮助我们创建独立的、互不干扰的开发环境，避免不同项目间的依赖冲突。
下载与安装：前往 Miniconda 官网 下载适用于 Linux 的 x86_64 安装脚本。
在 Ubuntu 终端中，为安装脚本添加执行权限并运行：
chmod 777 Miniconda3-latest-Linux-x86_64.sh
sudo bash Miniconda3-latest-Linux-x86_64.sh
安装过程中，根据提示按回车键浏览协议，输入 yes 同意，并再次按回车键确认安装路径。
配置国内镜像源
为了加速后续的包下载速度，强烈建议将 Conda 和 Pip 的源更换为国内镜像（如清华大学开源软件镜像站）。
配置 Conda 源：
编辑或创建 ~/.condarc 文件，将以下内容复制进去：
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
配置 Pip 源：
在终端执行以下命令：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
安装系统依赖
更新软件包列表并安装一些 RKNN Toolkit2 运行所必需的系统库：
sudo apt-get update
sudo apt-get install -y python3 python3-dev python3-pip
sudo apt-get install -y libxslt1-dev zlib1g-dev libglib2.0-0 libsm6 libgl1-mesa-glx libprotobuf-dev gcc
第三步：创建 Conda 环境并安装 RKNN Toolkit2
这是整个流程的核心步骤。我们将创建一个独立的 Python 环境来安装 RKNN Toolkit2。
创建并激活 Conda 环境
我们创建一个名为 rknn-toolkit2 的新环境，并指定 Python 版本为 3.8（这是与 RKNN Toolkit2 兼容性较好的版本）。
创建环境
conda create -n rknn-toolkit2 python=3.8
激活环境
conda activate rknn-toolkit2
准备安装包
从瑞芯微官方渠道下载 rknn-toolkit2 的安装包。下载后，你会得到一个包含 packages 文件夹的压缩包，将其解压到你的工作目录（例如 02_rknn-toolkit2）。
进入 packages/x86_64 目录，你会看到多个 .whl 文件，它们对应不同的 Python 版本。因为我们创建的是 Python 3.8 环境，所以需要选择文件名中包含 cp38 的文件，即 rknn_toolkit2-2.3.2-cp38-cp38-...whl 和 requirements_cp38-2.3.2.txt。
安装依赖和 Toolkit2
在 (rknn-toolkit2) 环境下，依次执行以下两条命令进行安装：
1. 安装依赖库（此步骤耗时较长，请耐心等待）
pip install -r requirements_cp38-2.3.2.txt
2. 安装 rknn_toolkit2 软件包
pip install rknn_toolkit2-2.3.2-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
验证安装：
安装完成后，进入 Python 交互环境，尝试导入 RKNN 模块。如果没有报错，则说明安装成功。
python
from rknn.api import RKNN
如果没有报错，直接退出即可
exit()
第四步：配置集成开发环境 (IDE)
一个强大的 IDE 能极大提升开发效率。这里介绍 PyCharm 和 VSCode 两种配置方式。
方案 A：配置 PyCharm
PyCharm 是专业的 Python IDE，功能强大。
安装：从 JetBrains 官网下载 Linux 版的 PyCharm，解压后运行 bin/pycharm.sh 启动。
配置解释器：
创建或打开一个项目。
进入 File -> Settings -> Project: <你的项目名> -> Python Interpreter。
点击齿轮图标，选择 Add...。
在左侧选择 Conda Environment，然后选择 Existing environment。
在 Interpreter 路径中，填入你之前创建的 conda 环境中的 Python 解释器路径，通常是：/home/topeet/miniconda3/envs/rknn-toolkit2/bin/python。
点击 OK，PyCharm 就会加载该环境下的所有包。
方案 B：配置 VSCode (推荐)
VSCode 轻量、灵活，通过插件可以实现强大的远程开发功能，是许多开发者的首选。
安装：
在 Ubuntu 上：下载 .deb 安装包，使用 sudo dpkg -i code_x.x.x_amd64.deb 命令安装。
在 Windows 上：直接下载安装即可。
配置远程开发 (Remote-SSH)：
这是 VSCode 的"杀手锏"功能。你可以在 Windows 上编写代码，但代码的实际运行、调试环境都在 Ubuntu 虚拟机中，兼具了 Windows 的流畅体验和 Linux 的开发环境。
在 Windows 的 VSCode 中安装 Remote - SSH 插件。
按 Ctrl+Shift+P 打开命令面板，输入 Remote-SSH: Connect to Host...。
输入你的 Ubuntu 虚拟机 IP 地址和用户名（如 topeet@192.168.1.100），按提示输入密码即可连接。
连接成功后，VSCode 的界面会切换到远程窗口。此时再安装 Python、C/C++ 等插件，它们将被安装在 Ubuntu 环境中。
打开项目文件夹后，VSCode 会自动检测到 Conda 环境，你可以在底部状态栏或命令面板中选择 rknn-toolkit2 作为 Python 解释器。
至此，一个功能完备、开发体验流畅的 RKNN Toolkit2 开发环境就搭建完成了。你可以开始你的模型转换与部署之旅了！