前言
在ubuntu上給rk3399 pro燒錄debian
1. 準備
2. 燒錄
- 1、Type-C線連接主機端的USB接口和TB-RK3399Pro開發板的Type-C接口。
- 2、長按TB-RK3399Pro開發板上recovery按鍵後重啓機器,進入Loader模式。
- 3、解壓固件,將固件拷貝到linuxTool-v1.0/images目錄下
- 4、執行
sudo ./flash.py -l all
,如何失敗執行sudo python flash.py -l all
- 5、燒錄完成後會重啓,進入debian
奇怪的混入者
- 裝gedit(debian自帶vim,可以不裝gedit)
- 配置.bashrc
將ll改成ll -alF
在末尾加export PATH=$PATH:/usr/sbin:/sbin:/usr/local/sbin
3. 更新軟件
- rknn_tooklit :
pip3 install --user -U rknn
- rknn_api :
sudo apt update --fix-missing
sudo apt -y upgrade
sudo apt update
sudo apt install rknn-rk3399pro
- npu_drv : 重啓
- 之後會出現libf77blas.so.3 缺失 ,執行
sudo apt-get install libatlas-base-dev
- 其他問題可參考這裏
4. 模型轉換
from rknn.api import RKNN
INPUT_SIZE = 64
if __name__ == '__main__':
# 創建RKNN執行對象
rknn = RKNN()
# 配置模型輸入,用於NPU對數據輸入的預處理
# channel_mean_value='0 0 0 255',那麼模型推理時,將會對RGB數據做如下轉換
# (R - 0)/255, (G - 0)/255, (B - 0)/255。推理時,RKNN模型會自動做均值和歸一化處理
# reorder_channel=’0 1 2’用於指定是否調整圖像通道順序,設置成0 1 2即按輸入的圖像通道順序不做調整
# reorder_channel=’2 1 0’表示交換0和2通道,如果輸入是RGB,將會被調整爲BGR。如果是BGR將會被調整爲RGB
#圖像通道順序不做調整
rknn.config(channel_mean_value='0 0 0 255', reorder_channel='0 1 2')
# 加載TensorFlow模型
# tf_pb='digital_gesture.pb'指定待轉換的TensorFlow模型
# inputs指定模型中的輸入節點
# outputs指定模型中輸出節點
# input_size_list指定模型輸入的大小
print('--> Loading model')
rknn.load_tensorflow(tf_pb='digital_gesture.pb',
inputs=['input_x'],
outputs=['probability'],
input_size_list=[[INPUT_SIZE, INPUT_SIZE, 3]])
print('done')
# 創建解析pb模型
# do_quantization=False指定不進行量化
# 量化會減小模型的體積和提升運算速度,但是會有精度的丟失
print('--> Building model')
rknn.build(do_quantization=False)
print('done')
# 導出保存rknn模型文件
rknn.export_rknn('./digital_gesture.rknn')
# Release RKNN Context
rknn.release()
5. 模型推理
import numpy as np
from PIL import Image
from rknn.api import RKNN
# 解析模型的輸出,獲得概率最大的手勢和對應的概率
def get_predict(probability):
data = probability[0][0]
data = data.tolist()
max_prob = max(data)
return data.index(max_prob), max_prob;
def load_model():
# 創建RKNN對象
rknn = RKNN()
# 載入RKNN模型
print('-->loading model')
rknn.load_rknn('./digital_gesture.rknn')
print('loading model done')
# 初始化RKNN運行環境
print('--> Init runtime environment')
ret = rknn.init_runtime(target='rk3399pro')
if ret != 0:
print('Init runtime environment failed')
exit(ret)
print('done')
return rknn
def predict(rknn):
im = Image.open("7.jpg") # 加載圖片
im = im.resize((416, 416),Image.ANTIALIAS) # 圖像縮放到64x64
mat = np.asarray(im.convert('RGB')) # 轉換成RGB格式
outputs = rknn.inference(inputs=[mat]) # 運行推理,得到推理結果
#pred, prob = get_predict(outputs) # 將推理結果轉化爲可視信息
#print(prob)
print(outputs)
if __name__=="__main__":
rknn = load_model()
predict(rknn)
rknn.release()
- E Only support ntb mode on ARM64 platform. But can not find device with ntb mode.