ultralytics最近官方支持了rknn模型的导入，整体流程比用rknntool简单了不少，当然也有坑，记录下。我用的是yolov11，不确定对于v8等是否能用，大家可以评论区反馈我。
PS：如果你需要瑞莎radxa、香橙派orange pi的 屏幕、外壳、散热器，可以来我的咸鱼(coder4)看看，欢迎扫码关注
1 PC上模型转换
环境
python -m venv ./ultralytics-env
source ./ultralytics-env/bin/[......]
原文链接：https://blog.csdn.net/m0_60657960/article/details/143209851
参考链接：https://blog.csdn.net/Fzq1021/article/details/133508218
1 PC电脑是Ubuntu22.04系统中完成环境搭建(板子是20.04）
安装模型转换环境
conda create -n rknn2 python==3.10
conda activate rknn2
安装Ubuntu依[......]
1. 环境配置
1.1 训练环境和onnx（电脑端执行）
#使用conda创建一个python环境
conda create -n torch python=3.9
#激活环境
conda activate torch
#安装yolov8
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
#onnx安装
pip i[......]
原文转载自《rk3588对npu的再探索，yolov5使用rknn模型推理教程》
🍉零、引言
本文完成于2022-07-02 22:22:27。 博主刚开始在瑞芯微ITX-3588J-8K的开发板上跑了官方的yolov5目标检测算法，检测了ip相机rtsp视频流，但是每帧处理需要833ms左右，和放PPT一样。本来想使用tensorrt进行加速推理，但前提需要cuda，rk的板子上都是arm的手机gpu，没有nvidia的cuda，所以不能这样适配。那么转过来，使用开发板自带的NPU进行加速[......]
转载自：《rk3588使用npu进行模型转换和推理，加速AI应用落地》
🍉零、引言
博主在瑞芯微RK3588的开发板上跑了deepsort跟踪算法，从IP相机中的server拉取rtsp视频流，但是fps只有1.2，和放PPT一样卡顿，无法投入实际应用。本来想使用tensorrt进行加速推理，但是前提需要cuda，rk的板子上都是Arm的手机gpu，没有Nvidia的cuda，所以这条路行不通。那么转过来，使用开发板自带的NPU进行加速推理，岂不是更加可行，而且它本身就是深度学习嵌入式板子，[......]