文章合集
RK3588 端侧 AI 部署
共 6 篇文章，按合集顺序阅读。
- 1 RK3588 端侧 AI 部署（一）：平台、NPU 与 RKNN 工具链 从 RK3588 硬件分工、NPU 原理到 RKNN 软件栈，建立端侧 AI 部署的完整地图。 2026-07-21
- 2 RK3588 端侧 AI 部署（二）：主机与板端环境搭建 搭建 RKNN-Toolkit2、板端 Runtime 和交叉编译环境，并通过官方 MobileNet Demo 验证整条链路。 2026-07-21
- 3 RK3588 端侧 AI 部署（三）：ONNX 转 RKNN 与推理验证 从 ONNX 检查、预处理对齐、RKNN 转换到模拟器和真实 NPU 验证，建立可复现的模型转换流程。 2026-07-21
- 4 RK3588 端侧 AI 部署（四）：量化、评估与模型优化 系统整理 RKNN 的量化精度、性能、内存评估，以及剪枝、多输入、动态 Shape 和 ONNX 图优化方法。 2026-07-21
- 5 RK3588 端侧 AI 部署（五）：Lite2、C API 与零拷贝工程化 从板端 Python 原型过渡到 RKNPU2 C/C++，掌握张量查询、资源生命周期、零拷贝和工程分层。 2026-07-21
- 6 RK3588 端侧 AI 部署（六）：MobileNet、YOLO 与 RKLLM 实战 从分类基线到安全帽检测、YOLO 优化和 Qwen/DeepSeek 大模型部署，完成 RK3588 端侧 AI 项目闭环。 2026-07-21