如何快速部署RKNN模型：RKNPU2神经网络加速库安装配置指南 🚀

【免费下载链接】rknpu2 项目地址: https://gitcode.com/gh_mirrors/rk/rknpu2

RKNPU2是Rockchip推出的神经网络处理单元（NPU）加速库，支持RK3566/RK3588/RV1106等主流芯片平台，提供动态形状输入、算子融合优化、GPU后端加速等高级功能，帮助开发者高效部署深度学习模型。

📋 准备工作：硬件与系统要求

• 支持芯片：RK3562/RK3566/RK3568/RK3588/RK3588S/RV1103/RV1106
• 操作系统：Linux（推荐Ubuntu 20.04+）或Android
• 依赖工具：git、cmake、build-essential

🔧 一键安装步骤

步骤1：克隆代码仓库

git clone https://gitcode.com/gh_mirrors/rk/rknpu2
cd rknpu2

步骤2：编译安装核心库

mkdir build && cd build
cmake ..
make -j4
sudo make install

步骤3：配置环境变量

echo "export LD_LIBRARY_PATH=/usr/local/lib:\$LD_LIBRARY_PATH" >> ~/.bashrc
source ~/.bashrc

步骤4：验证安装完整性

cd ../examples/rknn_mobilenet_demo
./rknn_mobilenet_demo  # 运行图像分类示例

成功执行后将输出分类结果，示例图片位于examples/rknn_mobilenet_demo/model/cat_224x224.jpg（图像为224x224像素的猫咪照片，用于RKNPU2模型推理测试）。

🚀 核心功能与性能优化

动态形状输入支持

通过动态调整输入分辨率提升模型灵活性，示例代码： examples/rknn_dynamic_shape_input_demo/src/rknn_dynshape_inference.cc

算子融合与内存优化

• 支持Conv-Silu/Conv-HardSwish等算子融合（v1.5.0+）
• 权重共享技术减少内存占用30%+
• SRAM存储特性降低带宽消耗（RK3588专属）

多平台适配方案

芯片系列	库文件路径
RK356X	runtime/RK356X/Linux/librknn_api/
RK3588	runtime/RK3588/Linux/librknn_api/
RV1106	runtime/RV1106/Linux/librknn_api/

📚 官方文档与资源

• 快速入门指南：doc/Rockchip_Quick_Start_RKNN_SDK_V1.5.2_CN.pdf
• API开发手册：doc/Rockchip_RKNPU_User_Guide_RKNN_API_V1.5.2_CN.pdf
• 算子支持列表：doc/RKNN_Compiler_Support_Operator_List_v1.5.2.pdf

❓ 常见问题解决

编译报错：找不到rknn_api.h

sudo cp runtime/RK3588/Linux/librknn_api/include/rknn_api.h /usr/local/include/

运行时提示库文件缺失

sudo ln -s /usr/local/lib/librknn_api.so /usr/lib/librknn_api.so

📌 版本更新记录

• v1.5.2：优化动态形状支持，新增GPU后端矩阵乘法实现
• v1.5.0：支持RK3562芯片，最大输入分辨率提升至8192x8192
• v1.4.0：引入权重压缩技术，支持多核心并行推理

通过以上步骤，您已完成RKNPU2的高效部署。更多高级特性如零拷贝接口、内部内存复用等，请参考examples/rknn_internal_mem_reuse_demo/示例代码。

【免费下载链接】rknpu2 项目地址: https://gitcode.com/gh_mirrors/rk/rknpu2