摘要：Hi3559是4T算力 2t算力的是Hi3519 hi3516cv500是0.5T的算力 hi3516DV300是1T的算力 yolov5在hi3516DV300上推理384x640尺寸的图像是43ms左右 5月份 去瑞芯微参加他们的培训 现场用的瑞芯微的板子是rk3568 1T的算力 推理yolo 阅读全文

摘要：https://github.com/rockchip-linux/rknn-toolkit 阅读全文

摘要：虚拟环境: /home/firefly/.rknn-env/bin 阅读全文

摘要：https://github.com/rockchip-linux/rknn-toolkit 阅读全文

摘要：Torch模型 第一步:转换成onnx模型 在205服务器上，虚拟环境是py35_torch0.4.0 /home/cbpm2016/temp 生成my_net.onnx模型 链接：https://pan.baidu.com/s/1nqk3vU-66iHrRJGLiDHBKQ 提取码：gs5h 复制 阅读全文

摘要：http://t.rock-chips.com/forum.php?mod=viewthread&tid=1414 https://blog.csdn.net/hanpengyu/article/details/113272923 rknn1.6的版本:李泽源/media/cbpm2016/E/li 阅读全文

摘要：RKNN的环境最好使用python3.5 参考博客: https://blog.csdn.net/weixin_42237113/article/details/107023216 https://blog.csdn.net/weixin_38145317/article/details/10335 阅读全文