[活动] #AI挑战营第二站#onxx模型转换为rknn模型

1.环境搭建：

    安装 rknn-toolkit与其对应的依赖库

  下载  https://github.com/airockchip/rknn-toolkit2 

    根据  doc目录下 01_Rockchip_RKNPU_Quick_Start_RKNN_SDK_V2.0.0beta0_CN.pdf 安装对应的依赖库和rknn-toolkit工具

2. 模型转换

使用下载好的rknn_model_zoo ，\examples\yolov5\python\convert.py python文件转换模型

执行python3 convert.py  ../model/test1.onnx rv1106 i8 ../model/test.rknn  

遇到错误  

按照提示将第一站的脚本进行优化，重新生成onxx模型

由   改为  

后重新生成onxx模型，再次执行python3 convert.py  ../model/test1.onnx rv1106 i8 ../model/test.rknn即可转换成功。

源码：

import sys

from rknn.api import RKNN

DATASET_PATH = '../../../datasets/COCO/coco_subset_20.txt'
DEFAULT_RKNN_PATH = '../model/test.rknn'
DEFAULT_QUANT = True

def parse_arg():
    if len(sys.argv) < 3:
        print("Usage: python3 {} onnx_model_path [platform] [dtype(optional)] [output_rknn_path(optional)]".format(sys.argv[0]))
        print("       platform choose from [rk3562,rk3566,rk3568,rk3588,rk1808,rv1109,rv1126]")
        print("       dtype choose from [i8, fp] for [rk3562,rk3566,rk3568,rk3588]")
        print("       dtype choose from [u8, fp] for [rk1808,rv1109,rv1126]")
        exit(1)

    model_path = sys.argv[1]
    platform = sys.argv[2]

    do_quant = DEFAULT_QUANT
    if len(sys.argv) > 3:
        model_type = sys.argv[3]
        if model_type not in ['i8', 'u8', 'fp']:
            print("ERROR: Invalid model type: {}".format(model_type))
            exit(1)
        elif model_type in ['i8', 'u8']:
            do_quant = True
        else:
            do_quant = False

    if len(sys.argv) > 4:
        output_path = sys.argv[4]
    else:
        output_path = DEFAULT_RKNN_PATH

    return model_path, platform, do_quant, output_path

if __name__ == '__main__':
    model_path, platform, do_quant, output_path = parse_arg()

    # Create RKNN object
    rknn = RKNN(verbose=False)

    # Pre-process config
    print('--> Config model')
    rknn.config(mean_values=[[0, 0, 0]], std_values=[
                    [255, 255, 255]], target_platform=platform)
    print('done')

    # Load model
    print('--> Loading model')
    ret = rknn.load_onnx(model=model_path)
    if ret != 0:
        print('Load model failed!')
        exit(ret)
    print('done')

    # Build model
    print('--> Building model')
    ret = rknn.build(do_quantization=do_quant, dataset=DATASET_PATH)
    if ret != 0:
        print('Build model failed!')
        exit(ret)
    print('done')

    # Export rknn model
    print('--> Export rknn model')
    ret = rknn.export_rknn(output_path)
    if ret != 0:
        print('Export rknn model failed!')
        exit(ret)
    print('done')

    # Release
    rknn.release()

附件：

KNN是最邻近邻居，也就是找K个最近邻的Neighbors，然后这些最近的邻居，加入到人数最多的一类中去（傍大腿）

那RKNN中的R是啥意思呀？

立马查了一下，发现这缩写不写全称就是害人。。。。

原来RKNN完全不是最近邻

竟然是：Recurrent Kernel Neural Network，

一种新的神经网络。。。。哎