环境
- ubuntu 18.04 64位
- python 3.6
- rockchip 1808开发板
前言
Rockchip 提供了一整套的 RKNN API SDK，能够让你的 AI 应用使用其硬件 NPU 进行加速。
实践
本篇以 yolov3 为例，看看 RKNN API 的使用
cd external/rknpu/rknn/rknn_api/examples/rknn_yolo_demo
mkdir build
cd build
cmake ..
make通过 CMakeLists.txt 可以看到编译需要用到的头文件和库在 librknn_api 目录下
(rockchip) xugaoxiang@1070Ti:~/workshop/rockchip/external/rknpu/rknn/rknn_api/examples/rknn_yolo_demo$ tree ../../librknn_api/
../../librknn_api/
├── include
│ └── rknn_api.h
├── lib
│ └── librknn_api.so
└── lib64
└── librknn_api.so编译生成可执行文件后，需要将可执行文件和需要用到的模型文件、测试图片文件上传到开发板上
cd ..
adb push build/rknn_yolo_demo /userdata/
adb push model /userdata/然后进入到开发板中执行
adb shell
cd /userdata
./rknn_yolo_demo model/yolov3.rknn model/dog.jpg
程序运行的前提是开发板中要有 librknn_api.so，默认情况下是存放在 /usr/lib64 下
程序结束后，会在当前目录生成图片 out.jpg，将它下载下来本地查看
adb pull /userdata/out.jpg检测结果不太满意啊，好吧，先不管它，这不是本节的重点
