Ubuntu安装RKNN Toolkit

最新推荐文章于 2025-08-10 17:26:46 发布

DkVhdl

最新推荐文章于 2025-08-10 17:26:46 发布

阅读量696

点赞数

CC 4.0 BY-SA版权

文章标签： ubuntu linux 运维机器学习-深度学习

本文链接：https://blog.youkuaiyun.com/DkVhdl/article/details/133092955

机器学习-深度学习专栏收录该内容

132 篇文章 ¥59.90 ¥99.00

订阅专栏

本文详述了在Ubuntu上安装RKNN Toolkit的步骤，包括安装依赖、使用pip安装工具包、配置环境变量，并提供了验证安装及模型转换的示例，助力开发者进行Rockchip AI芯片的模型开发与部署。

RKNN Toolkit是一款用于Rockchip AI芯片的开发工具包，可以帮助开发者在Ubuntu系统上进行AI模型的转换和部署。本文将详细介绍如何在Ubuntu上安装和配置RKNN Toolkit，并提供相应的源代码示例。

以下是在Ubuntu上安装RKNN Toolkit的步骤：

步骤1：安装依赖项
首先，我们需要安装一些依赖项。打开终端，执行以下命令来安装所需的依赖项：

sudo apt-get update
sudo apt-get install -y python3-dev python3-pip libglib2.0-dev libusb-1.0-0-dev libudev-dev zlib1g-dev

步骤2：安装RKNN Toolkit
在安装依赖项之后，我们可以通过pip命令来安装RKNN Toolkit。执行以下命令来安装RKNN Toolkit：

pip3 install rknn-toolkit

步骤3：配置环境变量
安装完成后，我们需要配置一些环境变量。打开终端，执行以下命令来编辑.bashrc文件：

nano ~/.bashrc

在文件的末尾添加以下内容：

export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
export PATH=/usr/local/bin:$PATH

保存并关闭文件，然后执行以下命令使配置生效：

sou

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

DkVhdl

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

ubuntu安装rknn-toolkit1.7.0

C/C++、嵌入式开发、深度学习算法、模型部署与推理优化

10-14

2502

首先下载package:Releases · rockchip-linux/rknn-toolkit · GitHub 下载完之后解压得到然后用下列命令安装即可。 pip -r requirements-gpu.txt pip install rknn_toolkit-1.7.0-cp36-cp36m-linux_x86_64.whl 然后测试安装是否成功： python from rknn.api import RKNN ...

【亲测可行】最新ubuntu搭建rknn-toolkit2

分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。

10-12

2059

配置conda的镜像源。出现上图就是安装成功！

参与评论您还未登录，请先登录后发表或查看评论

在 Ubuntu 18.04 中安装 Python 3.6 + TensorFlow 1.15 +rknn-toolkit2-1.4.0 的完整步骤

m0_65984208的博客

05-20

323

【代码】在 Ubuntu 18.04 中安装 Python 3.6 + TensorFlow 1.15 +rknn-toolkit2-1.4.0 的完整步骤。

Ubuntu系统上安装rknn-toolkit

Chocological_的博客

05-28

2042

RKNN Toolkit是一款由Rockchip公司开发的工具，它支持将AI模型转换为RKNN（Rockchip Neural Network）格式，这种格式专为嵌入式平台设计，能够在保持模型性能的同时，显著减少模型大小并提高运行效率。

Ubuntu系统下RKNN_toolkit安装教程（亲测可行，超有用）

大家好，欢迎来到《时空旅行者》博客！在这里，我们将一同踏上一场关于科技、创新和未来的探险之旅。这个博客旨在为大家提供毕业设计项目、深度学习相关的前沿文章解析和项目代码等。

02-22

1590

Ubuntu系统下RKNN_toolkit安装教程。首先安装搭载Ubuntu系统的VM VirtualBox，之后在该系统下通过anacoda创建python环境。在激活环境变量下，pip安装依赖库，例如：torch、torchvision、mxnet、python-opencv、tensorflow(可选择)。其中，torch和torchvision版本一定要对应python版本。另外，再选择toolkit版本一定要选择对应版本的python和x86_84版下载。

Ubuntu虚拟机rknn-toolkit环境搭建

qq_41193219的博客

03-22

1037

在瑞芯微rk系列产品例如rk1808，rk3588等，运行AI模型需要先将你的pytorch/caffe/onnx等模型转成平台支持的rknn模型，然后才能跑模型推理。本系列文章将以Ubuntu为例，安装rknn-toolkit环境（注：rk13588需用rknn-toolkit2，具体哪些产品用哪个工具请查询rknn-toolkit的github），并转换模型。

虚拟机Ubuntu系统上安装rknn-toolkit（详细图文教程）

热门推荐

qq_40280673的博客

02-24

1万+

虚拟机Ubuntu系统上安装rknn-toolkit

【rknn】ubuntu 搭建RKNN-Toolkit环境

sazass的博客

09-30

3757

rknntoolkit安装（linux）

【RKNN Toolkit 1.6.0】在PC端的Ubuntu16.04中安装RKNN Toolkit 1.6.0开发环境

froot的博客

02-18

2866

1. 背景目标利用RK3399pro平台，移植深度学习目标检测算法，实现嵌入式平台的深度学习应用本文在PC端的Ubuntu16.04中安装RKNN Toolkit 1.6.0开发环境，方便模型转换（例如从tensorflow平台下的.pb文件转换为RK平台下需要的.rknn文件） 2. 实操步骤 2.1 利用conda创建新的环境 conda create -n [name] #创建名为name的conda环境，如tensorflow source activate [name] #激活刚才创建

如何在ubuntu虚拟机上上部署rknn

aidehua1988的博客

06-11

833

深度学习、rknn

rknn_toolkit-1.7.0-cp36-cp36m-linux_x86_64.whl

11-02

Linux64位rknn轮子包

RKNN-Toolkit安装

roymustang的博客

03-04

6277

1pip 安装系统依赖首先建立虚拟环境创建python3.6的环境 conda create -n rknn python=3.6.6 # 创建新的虚拟环境 conda activate rknn # 激活新建的虚拟环境 sudo apt install python3-tk pip install numpy==1.18 pip install tensorflow==1.15 pip install tensorflow-gpu==1.15 pip install opencv-

在Ubuntu安装NVIDIA容器支持工具

Kuang Da's Blog

12-25

719

【代码】在Ubuntu安装NVIDIA容器支持工具。

在Ubuntu服务器上安装CUDA Toolkit

YbeCoder的博客

09-25

1040

CUDA Toolkit是NVIDIA提供的用于开发GPU加速应用程序的软件开发工具包。它包含了CUDA驱动程序和CUDA运行时库，以及各种开发工具和示例代码。首先，您需要从NVIDIA官方网站下载适用于Ubuntu的CUDA Toolkit安装包。您可以访问NVIDIA的开发者网站以获取最新版本的CUDA Toolkit。至此，您已成功在Ubuntu服务器上安装了CUDA Toolkit。现在，您可以开始开发和运行CUDA加速的应用程序了。希望本文能够对您安装CUDA Toolkit提供帮助。

RKNN开发环境搭建（ubuntu22.04）

fzktongyong的博客

05-16

1441

在RV1106G3平台上，成功验证了多个技术流程。首先，通过Conda安装了Miniconda，并创建了RKNN-Toolkit2环境，基于Python 3.8进行后续操作。接着，克隆并安装了rknn-toolkit2，成功运行了RKNN模块。随后，克隆了yolov5项目，创建了yolov5环境，并安装了相关依赖，测试了模型检测功能，并将模型转换为ONNX格式。确认了rknpu2驱动版本为v0.9.2以上，并替换了驱动文件。在RKNN-Toolkit2环境中，将ONNX模型转换为RKNN格式。最后，克隆了l

RK3588平台Ubuntu系统配置RKNN环境

襟铭心缘的博客

01-31

8090

RK3588平台Ubuntu系统配置RKNN环境

ubuntu22.04 安装cuda-toolkit 12.4

最新发布

weixin_41019325的博客

08-10

1495

本文记录了在Ubuntu系统上安装CUDA 12.4工具包的详细步骤：1）确认系统版本；2）从NVIDIA官网获取安装命令，依次执行下载、安装keyring、更新源和安装cuda-toolkit-12-4；3）安装配套的cuda-drivers-550；4）设置环境变量并写入.bashrc文件；5）特别强调不要使用Ubuntu官方仓库的nvidia-cuda-toolkit，因其版本陈旧且不兼容。最后通过nvcc -V验证安装是否成功。

ubuntu 20.04 安装 NVIDIA Container Toolkit

Simulink_的博客

03-31

3541

当然，官网还提供了其他的安装方式。

Ubuntu配置rknn虚拟环境

qq_32608527的博客

10-08

1259

Ubuntu上配置rknn虚拟环境——docker镜像方法

ubuntu中rknn toolkit2如何配置环境变量到python虚拟环境中

07-10

<think>我们正在处理一个关于在Ubuntu系统中将RKNN Toolkit2环境变量配置到Python虚拟环境的问题。根据用户提供的引用内容，我们可以总结出以下步骤： 1. 创建虚拟环境：使用virtualenv创建并激活一个Python虚拟环境。 2. 安装RKNN Toolkit2：在虚拟环境中安装RKNN Toolkit2的whl包。 3. 设置环境变量：在虚拟环境中设置所需的环境变量。但是，用户提到的是“环境变量”的配置。在RKNN Toolkit的安装中，通常需要设置一些环境变量，例如`LD_LIBRARY_PATH`，以指向RKNN库的位置。这些环境变量可以在激活虚拟环境时自动设置。参考引用[4]中提到了创建虚拟环境并激活，但没有具体说明如何将环境变量配置到虚拟环境中。在虚拟环境中，我们可以通过修改激活脚本来设置环境变量。具体步骤如下： ### 步骤1: 创建虚拟环境 ```bash sudo apt install virtualenv virtualenv -p /usr/bin/python3 ~/environment/rknn_env # 创建名为rknn_env的虚拟环境 source ~/environment/rknn_env/bin/activate # 激活虚拟环境 ``` ### 步骤2: 安装RKNN Toolkit2 在虚拟环境中，安装RKNN Toolkit2的whl包。假设已经下载了whl包，例如`rknn_toolkit2-1.x.x-cp3x-cp3x-linux_x86_64.whl`（根据实际版本和系统架构选择）。 ```bash pip install rknn_toolkit2-1.x.x-cp3x-cp3x-linux_x86_64.whl ``` ### 步骤3: 配置环境变量到虚拟环境我们需要在虚拟环境的激活脚本中添加环境变量设置。这样，每次激活虚拟环境时，环境变量会自动设置。编辑激活脚本`~/environment/rknn_env/bin/activate`，在文件末尾添加： ```bash # 设置RKNN环境变量 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/rknn/lib # 根据实际情况修改路径 # 可以添加其他需要的环境变量 ``` 然后，为了使环境变量生效，需要重新激活虚拟环境，或者新开终端时重新激活。 ### 验证环境变量激活虚拟环境后，可以使用以下命令检查环境变量： ```bash echo $LD_LIBRARY_PATH ``` ### 注意事项 - 具体的RKNN库路径可能需要根据实际安装位置确定。通常，RKNN Toolkit的安装包中可能包含库文件，或者需要从SDK中获取。请参考RKNN Toolkit的官方文档。 - 如果RKNN Toolkit依赖于其他库，也需要确保这些库已安装并正确设置环境变量。 ### 示例假设RKNN库位于`/usr/local/rknn/lib`，则在`activate`脚本中添加： ```bash export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/rknn/lib ``` 这样，每次激活虚拟环境时，`LD_LIBRARY_PATH`都会包含该路径。 ### 相关问题 1. 如何检查RKNN Toolkit2是否安装成功？ 2. 在虚拟环境中运行RKNN模型时出现库找不到错误，如何解决？ 3. 如何将多个环境变量添加到虚拟环境的激活脚本中？</think>### Ubuntu 配置 RKNN Toolkit2 环境变量到 Python virtualenv 以下是详细步骤（基于 Ubuntu 18.04+ 和 Python 3.6+）： #### 1. 创建并激活虚拟环境 ```bash # 安装 virtualenv（如未安装） sudo apt install virtualenv # 创建虚拟环境（指定 Python 版本） virtualenv -p /usr/bin/python3 ~/rknn_env # 激活虚拟环境 source ~/rknn_env/bin/activate ``` #### 2. 安装 RKNN Toolkit2 在激活的虚拟环境中安装： ```bash # 安装依赖库（示例） pip install numpy scipy opencv-python # 安装 RKNN Toolkit2（替换为实际下载路径） pip install /path/to/rknn_toolkit2-1.x.x-cp36-cp36m-linux_x86_64.whl ``` #### 3. 配置环境变量编辑虚拟环境的激活脚本： ```bash nano ~/rknn_env/bin/activate ``` 在文件末尾添加： ```bash # RKNN 环境变量配置 export RKNN_MODEL_PATH="$HOME/rknn_models" export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/lib/rknn" ``` #### 4. 验证配置 ```bash # 重新激活环境使配置生效 deactivate && source ~/rknn_env/bin/activate # 检查环境变量 echo $RKNN_MODEL_PATH echo $LD_LIBRARY_PATH # 验证 Python 导入 python -c "from rknn.api import RKNN; print('RKNN import success')" ``` #### 注意事项 1. 路径替换： - `RKNN_MODEL_PATH`：指定模型存储目录 - `LD_LIBRARY_PATH`：需指向 RKNN 的库文件路径（通常在安装包内） 2. 硬件相关配置： ```bash # 添加 USB 权限（开发板连接时） sudo usermod -aG plugdev $USER sudo echo 'SUBSYSTEM=="usb", ATTR{idVendor}=="2207", MODE="0666"' > /etc/udev/rules.d/80-rknn.rules ``` 3. 虚拟环境持久化： - 环境变量配置会随虚拟环境激活自动生效 - 退出环境使用 `deactivate` 命令 > **重要提示**：RKNN Toolkit 对依赖库版本要求严格，建议使用官方指定的版本组合[^1][^3]。若出现导入错误，检查 `protobuf`、`onnx` 等依赖版本是否匹配。