mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-11-02 20:54:03 +08:00

Files

Zheng_Bicheng 4ffcfbe726 [Backend] Add RKNPU2 backend support (#456 )

* 10-29/14:05
* 新增cmake
* 新增rknpu2 backend

* 10-29/14:43
* Runtime fd_type新增RKNPU代码

* 10-29/15:02
* 新增ppseg RKNPU2推理代码

* 10-29/15:46
* 新增ppseg RKNPU2 cpp example代码

* 10-29/15:51
* 新增README文档

* 10-29/15:51
* 按照要求修改部分注释以及变量名称

* 10-29/15:51
* 修复重命名之后，cc文件中的部分代码还用旧函数名的bug

* 10-29/22:32
* str(Device::NPU)将输出NPU而不是UNKOWN
* 修改runtime文件中的注释格式
* 新增Building Summary ENABLE_RKNPU2_BACKEND输出
* pybind新增支持rknpu2
* 新增python编译选项
* 新增PPSeg Python代码
* 新增以及更新各种文档

* 10-30/14:11
* 尝试修复编译cuda时产生的错误

* 10-30/19:27
* 修改CpuName和CoreMask层级
* 修改ppseg rknn推理层级
* 图片将移动到网络进行下载

* 10-30/19:39
* 更新文档

* 10-30/19:39
* 更新文档
* 更新ppseg rknpu2 example中的函数命名方式
* 更新ppseg rknpu2 example为一个cc文件
* 修复disable_normalize_and_permute部分的逻辑错误
* 移除rknpu2初始化时的无用参数

* 10-30/19:39
* 尝试重置python代码

* 10-30/10:16
* rknpu2_config.h文件不再包含rknn_api头文件防止出现导入错误的问题

* 10-31/14:31
* 修改pybind，支持最新的rknpu2 backends
* 再次支持ppseg python推理
* 移动cpuname 和 coremask的层级

* 10-31/15:35
* 尝试修复rknpu2导入错误

* 10-31/19:00
* 新增RKNPU2模型导出代码以及其对应的文档
* 更新大量文档错误

* 10-31/19:00
* 现在编译完fastdeploy仓库后无需重新设置RKNN2_TARGET_SOC

* 10-31/19:26
* 修改部分错误文档

* 10-31/19:26
* 修复错误删除的部分
* 修复各种错误文档
* 修复FastDeploy.cmake在设置RKNN2_TARGET_SOC错误时，提示错误的信息
* 修复rknpu2_backend.cc中存在的中文注释

* 10-31/20:45
* 删除无用的注释

* 10-31/20:45
* 按照要求修改Device::NPU为Device::RKNPU，硬件将共用valid_hardware_backends
* 删除无用注释以及debug代码

* 11-01/09:45
* 更新变量命名方式

* 11-01/10:16
* 修改部分文档，修改函数命名方式

Co-authored-by: Jason <jiangjiajun@baidu.com>

2022-11-01 11:14:05 +08:00

1.6 KiB

Raw Blame History

导出模型指南

简介

Fastdeploy已经简单的集成了onnx->rknn的转换过程。本教程使用tools/export.py文件导出模型，在导出之前需要编写yaml配置文件。在进行转换前请根据rknn_toolkit2安装文档检查环境是否已经安装成功。

export.py 配置参数介绍

参数名称	是否可以为空	参数作用
verbose	是，默认值为True	是否在屏幕上输出转换模型时的具体信息
config_path	否	配置文件路径

config 配置文件介绍

config yaml文件模版

model_path: ./portrait_pp_humansegv2_lite_256x144_pretrained.onnx
output_folder: ./
target_platform: RK3588
normalize:
  mean: [0.5,0.5,0.5]
  std: [0.5,0.5,0.5]
outputs: None

config 配置参数介绍

model_path: 模型储存路径
output_folder: 模型储存文件夹名字
target_platform: 模型跑在哪一个设备上，只能为RK3588或RK3568
normalize: 配置在NPU上的normalize操作，有std和mean两个参数
- std: 如果在外部做normalize操作，请配置为[1/255,1/255,1/255]
- mean: 如果在外部做normalize操作，请配置为[0,0,0]
outputs: 输出节点列表，如果使用默认输出节点，请配置为None

如何转换模型

根目录下执行以下代码

python tools/export.py  --config_path=./config.yaml

模型导出要注意的事项

请不要导出带softmax和argmax的模型，这两个算子存在bug，请在外部进行运算

1.6 KiB Raw Blame History Unescape Escape