開發(fā)板采用核心板+底板結(jié)構(gòu)，在我們的資料里提供了底板的原理圖工程以及PCB工程，可以實現(xiàn)真正意義上的裁剪、定制屬于自己的產(chǎn)品，滿足更多應用場合。

迅為針對RK3576開發(fā)板整理出了相應的開發(fā)流程以及開發(fā)中需要用到的資料，并進行詳細的說明?？焖俣ㄎ恍枰褂玫奈臋n，大大提升研發(fā)速度。

迅為iTOP-3576開發(fā)板采用瑞芯微RK3576高性能、低功耗的應用處理芯片，集成了4個Cortex-A72和4個Cortex-A53核心，以及獨立的NEON協(xié)處理器。它適用于ARM PC、邊緣計算、個人移動互聯(lián)網(wǎng)設(shè)備及其他多媒體產(chǎn)品。

2 rknn-toolkit2 功能演示

迅為有錄制rknn_toolkit2視頻教程，詳細的講解了rknn_toolkit2各個API的使用，具體超 鏈接如下所示：

04_RKNN模型構(gòu)建

05_RKNN模型評估-推理測試

06_RKNN模型評估-量化精度分析

07_RKNN模型評估-性能評估和內(nèi)存評估

視頻中使用的在rknn_toolkit2版本為1.4，而現(xiàn)在最新版本為2.3，RK會不斷的對rknn_to olkit2版本進行更新，但對于api的使用方法是不會變的，所以大家要想了解rknn_toolkit2各 個API的使用方法，可以直接看上面的視頻鏈接，在本手冊中只會對rknn_toolkit2的例程進行 演示。

2.2.1 模型轉(zhuǎn)換

上面也提到了rknn_toolkit2最重要的功能就是進行模型轉(zhuǎn)換，將常用的Caffe、TensorFlo w、TensorFlow Lite、ONNX、DarkNet、PyTorch等模型轉(zhuǎn)為RK支持RKNN模型，在rknn-t oolkit2/rknn-toolkit2/examples目錄下提供了上述各個模型的轉(zhuǎn)換和推理例程，如下圖所示：

這里以pytorch的resnet18例程進行演示，首先來到knn-toolkit2/rknn-toolkit2/examples/py torch/resnet18目錄下，如下圖所示：

由于默認沒提供resnet18模型，所以需要手動拷貝到該目錄下，具體模型存放路徑為“i TOP-3576開發(fā)板\02_【iTOP-RK3576開發(fā)板】開發(fā)資料\05_NPU例程測試配套資料\05_resnet1 8模型”，拷貝完成如下圖所示：

然后修改test.py內(nèi)容，將第53行config接口的target_platform參數(shù)設(shè)置從rk3566修改為rk3576，target_platform參數(shù)決定了要構(gòu)建具體SOC類型的RKNN模型，其他地方不需要改動，修改完成如下圖所示：

然后保存退出，運行test.py，需要注意的是必須確保已經(jīng)安裝了rknn-toolkit2，使用上一小節(jié)描述的三種方法均可，這里使用的是第一種方法安裝的rknn-toolkit2，運行過程如下所示：

運行完成只會會生成RK3576對應的RKNN模型以及推理結(jié)果如下圖所示：

推理結(jié)果為space shuttle，推理的圖片為航天飛機，如下圖所示：

推理結(jié)果正確，至此對于rknn-toolkit2模型轉(zhuǎn)換和推理就演示完成了，需要注意的是這里是在X86 Linux系統(tǒng)上通過模擬器進行推理的，并不代表在開發(fā)板的運行情況，更常用的推理測試為下一個小節(jié)的連板推理。