当前位置：首页 > news >正文

基于RV1126开发板的rknn-toolkit-lite使用方法

news 来源：原创 2025/8/27 0:02:39

1. rknn-toolkit-lite介绍

rknn-toolkit-lite是用于python算法的推理的组件，当前已经在EASY-EAI-Nano完成适配，用户可以用它进行深度学习算法的纯python开发。而且同时支持已经进行了预编译的模型，短短几行代码即可完成算法的推理，大幅降低开发成本。同时很多不熟悉C/C++的算法开发人员有效降低开发门槛。本地文档是根据已经完成rknn模型转换的模型进行板卡上的推理，关于rknn模型转换请阅读请阅读《在EASY EAI Nano运行自定义的AI算法》。

2. 固件烧录

当前我们通过系统预装的方式支持rknn-toolkit-lite，烧录固件方式请阅读《固件烧录与更新》。

固件下载链接:https://pan.baidu.com/s/1sWFoPf6oJtZsUPp-_do7AQ

提取码：1234

固件包如下所示:

3. 在板卡测试demo

下载百度网盘：https://pan.baidu.com/s/1yoof_SyY1ty93dIRe1dZgA （提取码：1234 ）

“测试程序/inference_with_lite.tar.bz2”，把文件传到EASY-EAI-Nano板卡目录上。

执行以下指令进行解压:

tar xvf inference_with_lite.tar.bz2

执行以下指令切换目录并执行测试程序:

cd /userdata/inference_with_lite/
python3 test.py

结果如下所示:

4. rknn-toolkit-lite流程说明

4.1 使用流程图

RKNN Tookit Lite使用流程如下:

4.2 例程

第三小节的例程如下所示:

import platform
import cv2
import numpy as np
from rknnlite.api import RKNNLiteRKNN_MODEL = '10class_ResNet50_pre.rknn'
IMG_PATH = './test-1.jpg'
INPUT_SIZE = 224BOX_THRESH = 0.25
NMS_THRESH = 0.6CLASSES = ("SUV", "bus", "family sedan", "fire engine", "heavy truck", "jeep", "minibus", "racing car", "taxi", "truck")def show_outputs(output):print("softmax output:", output)max_confidence = np.max(output)index = np.where(output == max_confidence)print("max confidence:", max_confidence)print("max confidence index:", index[0][0])print("CLASSES predict: ", CLASSES[index[0][0]])def softmax(x):return np.exp(x)/sum(np.exp(x))if __name__ == '__main__':rknn_lite = RKNNLite()# load RKNN modelprint('--> Load RKNN model')ret = rknn_lite.load_rknn(RKNN_MODEL)if ret != 0:print('Load RKNN model failed')exit(ret)print('done')# Set inputsimg = cv2.imread(IMG_PATH)img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)resize_img = cv2.resize(img,(224,224))# init runtime environmentprint('--> Init runtime environment')ret = rknn_lite.init_runtime(target=None)if ret != 0:print('Init runtime environment failed')exit(ret)print('done')# Inferenceprint('--> Running model')outputs = rknn_lite.inference(inputs=[resize_img])print("outputs[0]:", outputs[0])print("outputs[0].shape:", outputs[0].shape)show_outputs(softmax(np.array(outputs[0][0])))rknn_lite.release()

5. API详细说明

5.1 RKNNLite初始化及对象释放

在使用RKNN Toolkit Lite时，都需要先调用RKNNLite()方法初始化一个RKNNLite对象，并在用完后调用该对象的release()方法将资源释放掉。

初始化RKNNLite对象时，可以设置verbose和verbose_file参数，以打印详细的日志信息。其中verbose参数指定是否要在屏幕上打印详细日志信息；如果设置了verbose_file参数，且verbose参数值为True，日志信息还将写到这个参数指定的文件中。

举例如下：

# 将详细的日志信息输出到屏幕，并写到inference.log文件中 
rknn_lite = RKNNLite(verbose=True, verbose_file='./inference.log') # 只在屏幕打印详细的日志信息 
rknn_lite = RKNNLite(verbose=True) 
… 
rknn_lite.release()

5.2 加载RKNN模型

API	Load_rknn
描述	加载RKNN模型。
参数	path：RKNN模型文件路径
参数	load_model_in_npu: 是否直接加载npu中的rknn模型。其中path为rknn模型在npu中的路径。只有当RKNN Toolkit Lite运行在连有NPU设备的PC上或RK3399Pro Linux开发板时才可以设为True。默认值为False.
返回值	0：加载成功
返回值	-1：加载失败

举例如下：

# 从当前目录加载 ResNet50模型
ret = rknn_lite.load_rknn('10class_ResNet50_pre.rknn')

5.3 初始化运行时环境

在模型推理之前，必须先初始化运行时环境，确定模型在哪一个芯片平台上运行。

API	init_runtime
描述	初始化运行时环境。确定模型运行的设备信息（芯片型号、设备 ID）。
参数	target：目标硬件平台，目前支持“rk3399pro”、“rk1806”、“rk1808”、“rv1109”、 “rv1126”。默认为 None，将根据应用所运行的开发板自动选择。
	device_id：设备编号，如果 PC 连接多台智能设备时，需要指定该参数，设备编号可以通过”list_devices”接口查看。默认值为 None。
	async_mode：是否使用异步模式。调用推理接口时，涉及设置输入图片、模型推理、获取推理结果三个阶段。如果开启了异步模式，设置当前帧的输入将与推理上一帧同时进行，所以除第一帧外，之后的每一帧都可以隐藏设置输入的时间，从而提升性能。在异步模式下，每次返回的推理结果都是上一帧的。该参数的默认值为 False。
返回值	0：加载成功
返回值	-1：加载失败

举例如下:

	# init runtime environmentprint('--> Init runtime environment')ret = rknn_lite.init_runtime(target=None)if ret != 0:print('Init runtime environment failed')exit(ret)print('done')

5.4 模型推理

API	inference
描述	对指定输入进行推理，返回推理结果。
参数	inputs：待推理的输入，如经过 cv2 处理的图片。类型是 list，列表成员是 ndarray。
	data_type：输入数据的类型，可填以下值：’float32’, ‘float16’, ‘uint8’, ‘int8’, ‘int16’。默认值为’uint8’。
	data_format：数据模式，可以填以下值: “nchw”, “nhwc”。默认值为’nhwc’。这两个的不同之处在于 channel 放置的位置。
	inputs_pass_through: 将输入透传给 NPU 驱动。非透传模式下，在将输入传给 NPU 驱动之前，工具会对输入进行减均值、除方差等操作；而透传模式下，不会做这些操作。这个参数的值是一个数组，比如要透传 input0，不透传 input1，则这个参数的值为[1, 0]。默认值为 None，即对所有输入都不透传。
返回值	results：推理结果，类型是 list，列表成员是 ndarray。