rknn模型转换（rknn模型转换不量化）



欢迎学习RKNN系列相关文章，从模型转换、精度分析，评估到部署，推荐好资源：
一、Ubuntu系统上安装rknn-toolkit
二、使用rknn-toolkit将Pytorch模型转为RKNN模型
三、RKNN模型的评估和推理测试
四、RKNN模型量化精度分析及混合量化提高精度
五、RKNN模型性能评估和内存评估
六、rknn-toolkit-lite2部署RKNN模型到开发板上（python版）
七、RKNN C API开发板上落地部署RKNN模型
八、RKNN零拷贝API开发板落地部署RKNN模型

在进行RKNN模型转换之前，需要安装rknn-toolkit工具，关于此工具的具体安装过程参考我另外一篇博文：安装rknn-toolkit工具

下面是我自己运行的环境，供参考：

我提供一个resnet18的模型和测试数据集，还有相关转换代码，都打包在源码包中，，获取方法为文章末扫码到公众号中回复关键字：模型部署转RKNN模型。获取下载链接。

下载解压后的样子如下：

在我提供的源码包中，直接运行脚本export_rknn.py即可。

转换代码为：

运行脚步后的输出结果如下：

转换后得到的RKNN模型如下：

以上就是使用rknn-toolkit将Pytorch模型转为RKNN模型的详细过程，希望能帮到你！

总结不易，多多支持，谢谢！

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/do-docker-k8s/25586.html