Der Bereitstellungsprozess ist unterteilt inVier wichtige Schritte::
- Vorbereitung der UmweltVergewissern Sie sich, dass der RKNPU2-Treiber installiert ist. Es wird empfohlen, eine 4-GB-Swap-Partition einzurichten, damit der Speicher nicht knapp wird.
- ModellumwandlungPaddle-Modell in RKNN-Format konvertieren (erfordert Einstellungen)
ENABLE_RKNPU2_BACKEND=ONim Gesang antwortenRKNN2_TARGET_SOC=RK3588) - Durchführung des Einsatzes: Zugang
demos/vision/detection/paddledetection/rknpu2/pythonVerzeichnis, führen Siepython infer.py --model_file picodet_s_416_coco_lcnet_rk3588.rknn --config_file picodet_s_416_coco_lcnet/infer_cfg.yml --image input.jpg - LeistungsoptimierungVisualDL: Überwachung des Zeitverbrauchs durch VisualDL, Anpassung von batch_size und anderen Parametern
Hinweis: Für die RK3588 sind bestimmte Kompilierungsoptionen erforderlich, und dynamische Bemaßungseingaben müssen während der Modellkonvertierung konfiguriert werden.
Diese Antwort stammt aus dem ArtikelFastDeploy: ein Open-Source-Tool für den schnellen Einsatz von KI-ModellenDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " Wie sieht der genaue Prozess der Implementierung eines Zielerkennungsmodells auf dem RK3588-Chip aus?
Deutsch 
简体中文 
English 
日本語 
Português do Brasil