RKNN Model Zoo

RKNN Model Zoo 基于 RKNPU SDK 工具链开发，提供了目前主流算法的部署示例。包含导出 RKNN 模型, 使用 Python API，C API 推理 RKNN 模型的流程。

RKNN Model Zoo 依赖 RKNN-Toolkit2 进行模型转换， 编译 C API demo 时需要用到对应的编译工具链。

下载仓库

X86 Linux PC

mkdir RKSDK && cd RKSDK
git clone -b v2.3.2 https://github.com/airockchip/rknn_model_zoo.git

仓库目录结构

./
├── 3rdparty
├── asset
├── build
├── build-android.sh
├── build-linux.sh
├── datasets
├── docs
├── examples # 示例目录
│   ├── clip
│   ├── deeplabv3
│   ├── lite_transformer
│   ├── LPRNet
│   ├── mms_tts
│   ├── mobilenet
│   ├── mobilesam
│   ├── PPOCR
│   ├── ppseg
│   ├── ppyoloe
│   ├── resnet
│   ├── RetinaFace
│   ├── wav2vec2
│   ├── whisper
│   ├── yamnet
│   ├── yolo11
│   ├── yolov10
│   ├── yolov5
│   ├── yolov5_seg
│   ├── yolov6
│   ├── yolov7
│   ├── yolov8
│   ├── yolov8_obb
│   ├── yolov8_pose
│   ├── yolov8_seg
│   ├── yolo_world
│   ├── yolox
│   └── zipformer
├── FAQ_CN.md
├── FAQ.md
├── install
├── LICENSE
├── py_utils
│   ├── coco_utils.py
│   ├── __init__.py
│   ├── onnx_executor.py
│   ├── pytorch_executor.py
│   └── rknn_executor.py
├── README_CN.md
├── README.md
├── scaling_frequency.sh
└── utils
    ├── audio_utils.c
    ├── audio_utils.h
    ├── CMakeLists.txt
    ├── common.h
    ├── file_utils.c
    ├── file_utils.h
    ├── font.h
    ├── image_drawing.c
    ├── image_drawing.h
    ├── image_utils.c
    └── image_utils.h

基本使用流程

C API

使用根目录下的 build-linux.sh 脚本进行编译。

想要在 x64 主机上编译出能在 arm64 设备运行的可执行程序，你需要下载交叉编译工具链。

点击下载：交叉编译工具链。

下载完成之后解压即可。

使用脚本前需要导出编译器路径到环境变量，让脚本能找到下载的交叉编译器。

X86 Linux PC

export GCC_COMPILER=/path/to/your/gcc/bin/aarch64-linux-gnu

脚本基本使用格式：

X86 Linux PC

./build-linux.sh -t <target> -a <arch> -d <build_demo_name> [-b <build_type>] [-m]
    -t : target (rk356x/rk3588)
    -a : arch (aarch64)
    -d : demo name
    -b : build_type(Debug/Release)
    -m : enable address sanitizer, build_type need set to Debug
Note: 'rk356x' represents rk3562/rk3566/rk3568.

# 以编译 RK3566 的 yolov5 demo 为例:
./build-linux.sh -t rk356x -a aarch64 -d yolov5

Python API

激活虚拟环境，将模型转换为 rknn 格式之后进入目标示例目录直接运行对应的 python 脚本即可。

以 RK3566 的 yolov5 demo 为例：

Device

conda activate rknn
cd examples/yolov5/python/
python3 yolov5.py --target rk356x --img_show