前言
本项目是本人结合官方论坛和自身实践总结的、最快入门rknn3399pro及其相关系列的纯干货输出。包括具体的从入手到环境配置，端到端一体化训练样本，各种使用小技巧等。
如果你在探索一款AIOT产品，或者需要短时间内落地一个rknn系列的产品或者算法，那本项目非常适合你。
rk3399pro 简介
rk3399pro福州瑞芯微电子退出的一款 高性能、低功耗、易于片上开发、集成高性能NPU的AIOT设备：
支持8bit和16bit运算，运算性能 3 TOPs, 相比于同类型NPU产品领先150%。
支持 tflite onnx, caffe, tensorflow1,pytorch相关模型进行转换，转化.rknn模型后可直接使用
采用高性能AI处理芯片RK3399Pro,提供一站式AI解决方案。
集成多路USB接口，双PCIe接口，双MIPI CSI接口，HDMI、DP、MIPI和eDP
2021-08-17 11:33:25
178.67MB
1
瑞芯微RKNN_Toolkit_Visualization开发指南
2021-08-11 17:30:58
1.56MB
1
原版仓库：
修改版 yolov5 使用方法
环境要求：python version >= 3.6
模型训练：python3 train.py
模型导出：python3 models/export.py --weights "xxx.pt"
转换rknn：python3 onnx_to_rknn.py
模型推理：python3 rknn_detect_yolov5.py
注意事项：如果训练尺寸不是640那么，anchors会自动聚类重新生成，生成的结果在训练时打印在控制台，或者通过动态查看torch模型类属性获取，如果anchors不对应那么结果就会出现问题。
建议：在训练时如果size不是640，那么可以先通过聚类得到anchors并将新的anchors写入到模型配置文件中，然后再训练，防止动态获取的anchors在rknn上预测不准的问题。训练参数别忘记加上 --noautoanchor
2021-05-26 11:23:10
6.66MB
1
scipy-1.2.0-cp36-cp36m-linux_aarch64.whl 3399pro安装
2021-04-01 14:24:53
38.76MB
1