Plattformreferenz für RK_EVB1_RK2118G_V20 (RK2118) und das passende RT-Thread SDK. Ein entsprechendes ArmSoM-Board ist nicht bestätigt; die Anleitung nicht direkt auf andere SoCs übertragen. Es werden weder ein geprüfter BSP noch ein Linux-Kernel festgelegt; ArmSoM-Hardwaretests fanden nicht statt.
Quelle: lokale chinesische und englische RKNN2 RK2118 QuickStart V2.5.0; ursprüngliche Abschnittsnummern bleiben erhalten. Chinesisch folgt seiner Quelle, die übrigen Sprachen der englischen. PDF-Zeilenumbrüche in Dateinamen, URLs, Kommentaren und Befehlen wurden zusammengeführt. Abschnitt 5.3 verweist für den RT-Thread-Download auf 3.1; die Schritte stehen tatsächlich in 3.3.1. Docker bindet /rt-thread ein, der spätere Befehl verwendet jedoch den relativen Pfad rt-thread/…; das Arbeitsverzeichnis des Containers prüfen. Diese Abweichung wurde nicht stillschweigend geändert. Protokolle, 45ms und Referenzausgaben stammen aus der Quelle, nicht aus ArmSoM-Tests. Installationsbefehle mit latest oder ohne feste Version garantieren nicht V2.5.0; mit dem tatsächlichen SDK abgleichen.
RK2118-Einstiegsserie · 2/5
RK2118 NPU, Teil 1: Hardware, Anschluss und serielle Konsole
RK2118 NPU, Teil 2: Host-Umgebung und Toolkit2-Installation
RK2118 NPU, Teil 3: RT-Thread und DSP-Firmware
RK2118 NPU, Teil 4: Modellkonvertierung, USB-Eingaben und Inferenzergebnisse
RK2118 NPU, Teil 5: Docker, häufige Fragen und Referenzen
3. Entwicklungsumgebung vorbereiten
Dieses Kapitel beschreibt die direkte Installation auf dem Computer. Auch die folgenden Beispiele gehen von dieser Installation aus. Für die Ausführung in Docker die Umgebung nach Kapitel 5 vorbereiten.
Das Kapitel besteht aus drei Teilen:
-
RKNN-Repositories herunterladen
-
RKNN-Toolkit2 auf dem Computer installieren
-
RK2118 SDK vorbereiten
3.1 RKNN-Repositories herunterladen
Für die RKNN-Repositories wird ein eigenes Verzeichnis empfohlen, beispielsweise Projects. Das RKNN-Toolkit2-Repository dort ablegen. Beispielbefehle:
# Create the 'Projects' folder
mkdir Projects
# Switch to this directory
cd Projects
# Download the RKNN-Toolkit2 repository
git clone https://github.com/airockchip/rknn-toolkit2.git --depth 1
# Notice:
# 1. Parameter --depth 1 means to clone only the latest commit
# 2. If the 'git clone' command fails, you can also download the compressed file directly from GitHub and unzip it locally in this directory.
Gesamte Verzeichnisstruktur:
Projects
├── rknn-toolkit2
│ ├── doc
│ ├── rknn-toolkit2
│ │ ├── packages
│ │ ├── docker
│ │ └── ...
│ ├── rknpu2
│ │ ├── runtime
│ │ └── ...
│ └── ...
3.2 RKNN-Toolkit2 auf dem Computer installieren
3.2.1 Python installieren
Wenn Python 3.8 nicht installiert ist oder mehrere Python-Versionen vorhanden sind, empfiehlt die Quelle, mit Miniforge eine neue Python-3.8-Umgebung anzulegen.
3.2.1.1 miniforge installieren
Im Terminal mit folgendem Befehl prüfen, ob miniforge installiert ist. Bei vorhandener Installation kann dieser Schritt entfallen.
conda -V
# Reference output: conda 24.3.0, indicating that Miniforge Conda version is 24.3.0
# If it shows 'conda: command not found', it means Miniforge Conda is not installed.
Falls Miniforge fehlt, das Installationsprogramm über folgenden Link herunterladen:
https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh
Anschließend miniforge mit diesen Befehlen installieren:
chmod 777 Miniforge3-Linux-x86_64.sh
bash Miniforge3-Linux-x86_64.sh
3.2.1.2 Python-Umgebung mit miniforge erstellen
Im Terminal mit folgendem Befehl in die conda-Basisumgebung wechseln:
source /opt/miniforge3/bin/activate
# Upon successful activation, the command prompt will change to the following form:
# (base) xxx@xxx:~$
Eine Python-3.8-Umgebung namens toolkit2 erstellen:
conda create -n toolkit2 python=3.8
Die Umgebung toolkit2 aktivieren. RKNN-Toolkit2 wird anschließend in dieser Umgebung installiert.
conda activate toolkit2
# (toolkit2) xxx@xxx:~$
3.2.2 RKNN-Toolkit2 installieren
Nach Aktivierung von toolkit2 lässt sich RKNN-Toolkit2 aus der pip-Paketquelle oder aus einem lokalen Wheel-Paket installieren. Installation über pip:
pip install rknn-toolkit2 -i https://pypi.org/simple
# If RKNN-Toolkit2 is already installed, you can upgrade it with the following command:
pip install rknn-toolkit2 -i https://pypi.org/simple --upgrade
- Installation aus einem lokalen Wheel-Paket:
# Switch to the rknn-toolkit2 directory
cd Projects/rknn-toolkit2/rknn-toolkit2
# Please choose the appropriate requirements file based on the Python version and processor architecture:
# where cpxx is the Python version
pip install -r packages/x86_64/requirements_cpxx.txt
# pip install -r packages/arm64/arm64_requirements_cpxx.txt
# Install RKNN-Toolkit2
# Please choose the appropriate wheel package file based on the Python version and processor architecture:
# where x.x.x is the RKNN-Toolkit2 version number, cpxx is the Python version
pip install packages/x86_64/rknn_toolkit2-x.x.x-cpxx-cpxx-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
# pip install packages/arm64/rknn_toolkit2-x.x.x-cpxx-cpxx-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
3.2.3 Installation von RKNN-Toolkit2 prüfen
Die folgenden Befehle ausführen. Wenn keine Fehler auftreten, wurde die RKNN-Toolkit2-Umgebung erfolgreich installiert.
# Switch to Python interactive mode
python
# Import the RKNN class
from rknn.api import RKNN
Bei Installationsfehlern siehe Abschnitt 5.4.2 „RKNN-Toolkit2 Installation Issues“ in RKNN2_SDK_Development_Guide_V2.5.0.pdf. Dort werden Lösungen für Fehler bei der Installation ausführlich erläutert.