YOLO教程|RKNN模型转换环境搭建（Windows版）基于RK3576平台8核NPU算力6TOPS
简介
天嵌TQ3576核心板是一款集高性能、高算力、高性价比于一体的嵌入式平台，为需要强大处理能力和AI加速的应用场景设计，8核心处理器，主频高达2.2GHZ，性能强劲且能耗出色，6TOPS算力NPU，为AI模型部署、图像识别等应用提供强大算力支撑。
图1核心板
核心板基于瑞芯微RK3576处理器设计，小巧紧凑，采用板对板连接，既稳定可靠，又兼顾成本与灵活性。320个引脚全引出，实现丰富接口拓展，方便用户快速进行产品方案评估与技术预研。
图2同一核心板搭配两种不同底板
----------------------------------------------------------------------------------------------
TQ3576_Linux_AI使用手册
第二章 RKNN模型转换环境搭建（Windows版）
第二章 RKNN模型转换环境搭建（Windows版）
anaconda 部署
Anaconda，中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。其中，conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
安装
可以在anaconda官网，直接下载最新版既可，根据自己的cpu架构选择下载安装程序：
https://www.anaconda.com/download/success
点击“Next >”：
点击“I Agree”：
点击“Next >”：
选择安装路径，笔者选择的是“D:\anaconda3”（根据实际情况选择，注意文件夹必须是空文件夹），点击“Next >”：
注意勾选“Add installation to my PATH evironment variable”,便于通过终端直接操作，点击“Install”，执行安装：
点击“Next >”：
点击“Next >”：
点击“Finish”，完成安装并打开anaconda navigator（anaconda环境管理界面）：
导入环境
打开anaconda navigator（anaconda环境管理界面）：
点击“Environments”：
点击“Import”：
选择“local drive”，导入rknn_env.yml文件，rknn_env.yml文件内容如下：
注意：文件路径为笔者本地路径，请根据实际情况修改，新环境名称命名为：“python311-tk2-23”；点击“Import”，开始导入：
ultralytics安装
将“ultralytics.zip”下载到本地，并解压：
笔者解压到：G:\project\python\env\ultralytics
PT转ONNX
打开anaconda navigator（anaconda环境管理界面）：
点击“Environments”：
点击创建的“python311-tk2-23”环境旁边的运行按钮，选择“Open Terminal”，运行模型转换环境：
下面将以yolov5训练出来的模型为例，讲解如何将PT模型转换成ONNX模型。
python export.py --rknpu --weight best.pt
转换完毕，会在当前文件夹下，生成转换成功的onnx模型：“best.onnx”
ONNX转RKNN
onnx模型转rknn模型，需要rknn-toolkit2支持，rknn-toolkits工具为瑞芯微提供工具，目前只支持ubuntu版本，不支持windows版本。因此，将onnx模型转换成rknn模型需要将onnx模型拷贝到ubuntu系统下执行，转换操作参考天嵌对外手册《TQ3576_Linux_AI使用手册》第一章 RKNN模型转换环境搭建（Ubuntu版）搭建环境及第三章 AI测试模型测试章节实现模型转换。
