RK3399pro使用npu部属yolov5目标检测

        最近的任务是用C++在板子上部属目标检测算法，板子的完整名称是AIO-3399pro-JD4，如果你的核心板是3399pro，那使用方法应该是一样的。

        先吐槽一下firefly供应商的文档乱七八糟，各版本也不兼容，驱动的使用方法也没有教程的，而且问FAE技术支持回答也是有一句没一句。所以我有必要记录一下。

        板子的连接方法可以通过网线，或者adb连接，ubuntu其实就是连接typeC接口，然后通过下面命令连接即可。

adb shell

软件方面需要明确几个概念：

        1、固件，系统固件和驱动固件，一般是img等文件格式，其实就是要烧录的系统和驱动包。

        2、rknpu，开发板硬件npu的驱动程序，一般在npu_fw文件夹下，可以 通过locate命令查看一下。

        3、rknn toolkit，rknn即瑞星微npu上使用的神经网络模型，rknn toolkit是其python开发包，onnx格式模型转出rknn需要用到。

        4、rknn api，rknn的C++开发包。

         要想使用npu部属深度学习算法，要安装系统固件和rknpu和rknnapi，rknn toolkit作为转换工具可以装在电脑上。rknpu驱动，rknn toolki和rknn api版本最好要一致，不一致的版本也许能成功也许不行，具体可以尝试（博主1.7.3rknpu运行1.7.5的代码没问题）。

        我首先参考的是知乎链接yolov5-6.2 在 rk3399pro 上的移植，但是最终没有实现，在yolov5模型export转换的时候有问题，导致后面onnx转rknn出现错误。可以参考一下，里面一些解释写的很清楚，虽然复现有bug。

        根据我的步骤应该不会有错误，正式的训练和部属流程分为以下几个步骤：1. 标注数据和训练yolov5模型；2.模型导出ONNX；3.ONNX导出RKNN；4.模型部属C++端。

        1、标注数据和模型训练

        训练环境的安装就正常安装yolov5的环境。数据标注使用工具label