chanong Neardi临滴科技的硬件产品，通过集成 RKNN 工具链，支持从模型转换到部署的全流程，使得开发者能够快速地将先进的深度学习模型转换为适用于 RKNN 的格式，并在其产品上实现快速、准确的推理，从而推动 AI 应用在端侧设备上的广泛部署和实际应用。
Neardi
企业级开源硬件平台
1
PC端RKNN Toolkit开发环境搭建
操作系统要求：确保你的操作系统是 RKNN Toolkit 支持的 Linux 发行版，如 Ubuntu 18.04/20.04/22.04。
Python 环境：安装 Python 3.6 或以上版本。可以使用系统自带的 Python，或者使用 Anaconda 或 Miniconda 创建虚拟环境。
安装依赖：安装 RKNN Toolkit 前需要安装一些基础依赖，例如 python3-dev, python3-pip, gcc 等，以及 Python 库 numpy 等。
下载 RKNN Toolkit：可以从 Rockchip 官方链接下载 RKNN Toolkit，或者使用 SDK 中的 /external/rknn-toolkit 目录。
安装 RKNN Toolkit：使用 pip3 安装下载的 RKNN Toolkit 包。可能需要选择与系统 Python 版本相匹配的 wheel 文件进行安装。
文档阅读：安装完成后，阅读 doc 目录下的文档，了解具体的使用方法和示例。
RKNN Toolkit Lite2：这是一个为 Rockchip NPU 提供 Python 编程接口的工具，用于在板端部署 RKNN 模型。
rknpu2：提供 C 语言编程接口，用于在 Rockchip NPU 平台上部署 RKNN 模型。
环境测试：安装完成后，可以通过运行 RKNN Toolkit 中的例子来测试环境是否搭建成功。
版本升级：如果需要，可以通过 pip3 或 apt 命令升级 RKNN Toolkit Lite2 或 rknpu2 到最新版本。
rknn-toolkit2 — TB-RK3588x 0.1 文档
2
在RK3588设备上搭建rknn-toolkit-lite2环境
系统准备：确保 RK3588 设备上安装了 Ubuntu 20.04 或其他兼容的 Linux 发行版。
安装 Anaconda3：由于 RK3588 是基于 ARM 架构的，需要下载适用于 ARM64 架构的 Anaconda3 安装包，并在 RK3588 上完成安装。
配置 Python 环境：使用 Anaconda3 创建一个新的 Python 虚拟环境，并激活该环境，确保 Python 版本与 rknn-toolkit-lite2 支持的版本一致（例如 Python 3.7 或 3.9）。
安装 RKNN-Toolkit-Lite2：根据 RK3588 上的 Python 版本，选择相应的 .whl 安装包进行安装。使用 pip3 命令安装 rknn-toolkit-lite2。
安装依赖库：安装 OpenCV 等其他必要的依赖库，这些库可能在模型推理时使用。
获取 RKNN-Toolkit2：下载 RKNN-Toolkit2 套件，它包括了在 PC 上模拟 NPU 环境进行模型转换、推理和性能测试的工具。
安装 RKNPU2：RKNPU2 提供了访问 Rockchip NPU 的动态链接库和 C 头文件，根据 RK3588 的系统架构下载相应的版本，并将其放置在正确的系统路径下。
测试环境：使用 RKNN-Toolkit-Lite2 内提供的示例代码进行测试，确保环境搭建成功并且模型可以正常推理。
运行 rknn_server：在开发板上运行 rknn_server，以支持联板调试。
模型部署和推理：将转换好的 RKNN 模型文件传输到 RK3588 设备上，并使用 RKNN-Toolkit-Lite2 的 API 进行模型加载和推理测试。
Neardi
临滴产品
临滴科技提供的解决方案支持Android/Linux等操作系统，具备丰富的接口和模块功能，满足工业控制和物联网领域的多样化应用需求。依托瑞芯微SoC技术平台，结合自身在硬件设计和软件开发的专业能力，为客户提供从核心模块到完整解决方案的全方位服务，推动智能硬件产品和技术的持续创新。
