边缘智能计算应用课件：TensorFlow模型转RKNN模型并进行预测.pptx

基于TensorFlow的图像上色模型部署边缘智能计算应用

TensorFlow模型转RKNN模型并进行预测边缘智能计算应用

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08TensorFlow模型转RKNN模型并进行预测

了解TensorFlow和rknn的相关知识了解TensorFlow模型转rknn模型的意义掌握如何将TensorFlow模型转成rknn模型掌握如何使用rknn模型进行预测掌握将rknn模型部署到AI边缘开发板并进行预测职业能力目标01知识目标技能目标

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08TensorFlow模型转RKNN模型并进行预测

此任务的主要内容是了解TensorFlow模型转换成rknn模型流程，通过代码将TensorFlow模型转换成rknn模型，并使用rknn模型进行预测。任务描述任务要求完成TensorFlow模型转rknn模型；完成部署到AI边缘开发板。任务描述与要求02

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08TensorFlow模型转RKNN模型并进行预测

任务分析什么时rknn模型，为什么要将TensorFlow模型转rknn模型？如何将TensorFlow模型转rknn模型任务分析与计划03

任务计划表项目名称基于TensorFlow的图像上色模型部署任务名称TensorFlow模型转RKNN模型并进行预测计划方式自主设计计划要求请用8个计划步骤来完整描述出如何完成本次任务序号任务计划1?2?3?45678通过上面的思考，你是否对本任务要完成的工作有所了解？让我们一起来制订完成本次任务的实施计划吧！任务分析与计划03

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08TensorFlow模型转RKNN模型并进行预测

TensorFlow模型转rknn模型的意义204知识储备初识RKNN1

04初识RKNNRKNN是Rockchipnpu平台使用的模型类型，以.rknn后缀结尾的模型文件。Rockchip提供了完整了模型转换Python工具，方便用户将自主研发的算法模型转换成RKNN模型，同时Rockchip也提供了C/C++和PythonAPI接口。

RKNN-Toolkit04初识RKNNRKNN-Toolkit是为用户提供在PC、RockchipNPU平台上进行模型转换、推理和性能评估的开发套件,用户通过该工具提供的Python接口可以便捷地完成以下功能:模型转换，量化功能，模型推理，性能评估，内存评估，模型预编译，模型分段，自定义算子功能，量化精度分析功能，可视化功能，模型优化等级功能，模型加密功能。

RKNN-Toolkit04初识RKNNWindows只提供Python3.6的安装包。MacOS提供python3.6和python3.7的安装包。ARM64平台（安装Debian9或10操作系统）提供Python3.5（Debain9）和Python3.7（Debian10）的安装包。因为PyTorch/TensorFlow等逐渐停止对Python3.5的支持，RKNN-Toolkit下一个大版本将移除Linuxx86平台上Python3.5的安装包，转而提供Python3.6和Python3.7的安装包。除MacOS平台外，其他平台的scipy依赖为=1.1.0。ARM64平台不需要依赖sklearn和opencv-python。Jinja2只在使用自定义OP时用到。

RKNN-Toolkit04初识RKNNRKNN-Toolkit是一个跨平台的开发套件，已支持的操作系统如下：(1.7.1版本toolkit)Ubuntu:16.04（x64）及以上Windows：7（x64）及以上MacOS:10.13.5（x64）及以上Debian:9.8（aarch64）及以上

RKNN-Toolkit04初识RKNN模型转换：支持Caffe、TensorFlow、TensorFlowLite、ONNX、Darknet、Pytorch、MXNet模型转成RKNN模型,支持RKNN模型导入导出,后续能够在RockchipNPU平台上加载