一、安装Debian系统

最近在进行TB-RK3588X学习，由于板子自带的是Debian11系统，但是我想用Ubuntu20.04系统进行学习，但是经过两天的折腾后才发现这个板子用不了Ubuntu系统，所以就只能重装Debian，安装Debian的方式很简单。

准备：TB-RK3588X开发板、板子自带的type-c数据线、windows系统的电脑、正常的显示屏

1、安装驱动

从官方所给的文件中获取驱动文件压缩包，然后打开

D:\BaiduNetdiskDownload\TB-RK3588X\TB-RK3588X0-Release_V1.0.1_20230203\TB-RK3588X0-Release_V1.0.1_20230203\RKDevTool_Release\DriverAssitant目录，打开DriverInstall.exe程序

先进行“驱动卸载”，然后再进行“驱动安装”。

2、进入maskrom模式进行烧写

在官方所给的手册中，可以进入loader或者maskrom两种模式进行烧写，但是由于我的板子只能进入maskrom模式，所以我就选择了这个模式进行烧写。

进入maskrom模式的步骤：

①进入烧写程序

先将板子断电，将type-c数据线和电脑进行连接，打开D:\BaiduNetdiskDownload\TB-RK3588X\TB-RK3588X0-Release_V1.0.1_20230203\TB-RK3588X0-Release_V1.0.1_20230203\RKDevTool_Release目录下的RKDevTool.exe程序。

进入到如下程序里：

注意：如果此步骤有错误，多半是驱动安装失败，所以可以重复步骤一对驱动进行安装，安装成功的驱动可以在设备管理器查看到

②查看烧写状态

先按住主板的maskrom键不放，插上电源后，按下RESET键，直到烧写工具显示“发现一个MASKROM设备”后松开按键;

##进入loader模式是：按住主板的V+/REC键不放，然后按下RESET键，直到烧写工具显示“发现一个LOADER设备”后松开按键;

在软件空白处右击，导入配置，选择路径下的配置文件。

点击执行，等待下载完成。

下载完成后将板子与显示屏连接就可以进入Debian系统了。

参考链接：开发板概况 — TB-RK3588x 0.1 文档 (rock-chips.com)

二、Anaconda环境的配置

为了防止环境的污染，这里用anaconda进行环境配置。

1、下载

清华源镜像地址Index of / (anaconda.com)，我的这个板子下载的是

Anaconda3-2022.10-Linux-aarch64.rar,建议先解压后再复制到linux系统上，解压后的文件是Anaconda3-2022.10-Linux-aarch64.sh。

复制到linux系统上方法有很多，可以用filezilla、xshell等，这里我用的是U盘进行复制。

2、安装

进入到Anaconda3-2022.10-Linux-aarch64.sh的文件下，输入命令

bash Anaconda3-2021.11-Linux-x86_64.sh

点enter和yes就可以。

安装完成后，重启终端，然后显示bash字样，表示安装成功。

3、创建环境

conda create -n py3.8 python=3.8

py3.8 环境名称

python=3.8 环境的python版本

创建环境太慢（更换国内源）

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

移除添加的源

conda config --remove-key channels

4、使用

①激活环境

conda activate py3.8

②退出环境

conda deactivate

③删除环境

conda remove -n 环境名 --all

④复制环境

conda create -n 新环境名 --clone 旧环境名

⑤查看环境

conda env list

⑥查看当前环境安装的包

conda list

⑦在其他环境下查看其他环境安装的包

conda list -n 环境名

⑧用requirements.txt安装依赖

在pycharm终端生成requirement.txt

pip freeze > requirements.txt

在linux系统安装依赖

pip install -r requirements.txt

三、安装并测试RKNN-Toolkit2

RKNN-Toolkit2简介：

RKNN-Toolkit2是为用户提供在PC平台上进行Rockchip芯片NPU模型转换、推理和性能评估的开发套件。

在‘官方开发手册’中，提供了两种安装RKNN-Toolkit2的方式，分别是docker安装和pip安装，但是经过测试后，发现docker所提供的案例不能在这块板子上运行，原因是硬件不支持，因而这里用pip进行安装。

准备资料：源代码文件（RK_NPU_SDK_1.4.0）购买开发板后向官方索要

参考资料：Rockchip_Quick_Start_RKNN_SDK_V1.4.0_CN.pdf

使用pip安装并推理

一、配置python环境

因为上面已经配置好python3.8环境，所以这里不用再重复进行配置。

二、安装依赖

可以提前进入root状态:

su   #进入root

正常用户下安装：

sudo apt-get install libxslt1-dev zlib1g-dev libglib2.0 libsm6 \
libgl1-mesa-glx libprotobuf-dev gcc

二、安装RKNN-Toolkit2

①复制文件到linux

将官方所提供的源文件复制到Linux系统上，源文件中的文件较多，只需要复制rknn-toolkit2-1.4.0这个文件即可。

②安装依赖

进入这个文件夹下的rknn-toolkit2-1.4.0文件夹里面

cd rknn-toolkit2-1.4.0_no_docker/
cd rknn-toolkit2-1.4.0/
pip3 install -r doc/requirements_cp38-1.4.0.txt -i https://pypi.tuna.tsinghua.edu.cn/simple    #安装依赖，这里加上清华源会安装的快点

报错：

Preparing metadata (setup.py) ... error

error: subprocess-exited-with-error

 

× python setup.py egg_info did not run successfully.

│ exit code: 1

╰─> [6 lines of output]

Traceback (most recent call last):

File "<string>", line 2, in <module>

File "<pip-setuptools-caller>", line 34, in <module>

File "/tmp/pip-install-bnlreols/bfloat16_96d853dc2bd94e25ace43b68a3c80d70/setup.py", line 10, in <module>

import numpy as np

ModuleNotFoundError: No module named 'numpy'

[end of output]

 

note: This error originates from a subprocess, and is likely not a problem with pip.

error: metadata-generation-failed

 

× Encountered error while generating package metadata.

╰─> See above for output.

解决方式：

 pip install numpy==1.16.6 -i https://pypi.tuna.tsinghua.edu.cn/simple

有的错误是pip版本不对，用以下命令升级pip版本

python3 -m pip install --upgrade p -i https://pypi.tuna.tsinghua.edu.cn/simple

③安装 RKNN-Toolkit2（Python3.8 for x86_64)

 

执行命令：

pip3 install packages/rknn_toolkit2-1.4.0_22dcfef4-cp38-cp38-linux_x86_64.whl

④检查安装完成

python3
from rknn.api import RKNN

进入成功。Ctrl+D 退出 Python3。

⑤转换 yolov5s.onnx 为 rknn 模型并运行模型推理图

cd examples/onnx/yolov5
python3 test

转换后的模型保存在：/rknn-toolkit2-1.4.0/examples/onnx/yolov5目录下

推理图片的结果在：/rknn-toolkit2-1.4.0/examples/onnx/yolov5

 

注意：一定是要在你安装依赖的环境中进行转换！！