VIP20

本课程属于：028-RK3588RK3568RK3566与瑞芯微NPU边缘AI部署 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

1. RK3588边缘AI部署入门：瑞芯微NPU完整开发流程

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 课程结构 · RK3588边缘AI应用场景与NPU…

课程导入学习目标

RK3588硬件平台与NPU架构

CPU/GPU/NPU协同 · NPU算力规格 · 内存带宽与边缘部署优势

开发环境搭建

RKNN-Toolkit2安装 · 交叉编译工具链 · 板端系统镜像烧录与SSH连接

开发环境搭建RKNN-Toolkit…

NPU开发流程总览

模型训练→转换→量化→部署→推理的完…

NPU开发流程总览

RKNN模型格式详解

RKNN文件结构 · 版本兼容性 · 与ONNX/TFLite/PyTor…

RKNN模型格式详解

模型转换入门

使用RKNN-Toolkit2将ON… · 配置输入输出与预处理参数

模型转换入门RKNN-Toolkit…

INT8/FP16量化原理 · 量化误差来源 · 校准数据集的作用与构建方法

量化基础INT8/FP16

使用RKNN-Toolkit2进行混… · 逐层量化 · 量化精度评估与调优

量化实践RKNN-Toolkit…

RKNN-Toolkit2高级功能

模型预编译 · 内存优化 · 多batch支持

RKNN-Toolkit…高级功能

板端推理部署

使用RKNN C API在Linux… · 设置输入 · 执行推理并获取输出

板端推理部署RKNN

Python推理接口

RKNN Python API的使用… · 与C API的对比及适用场景

Python推理接口

图像分类实战

以MobileNet为例 · 完成从ONNX到RKNN转换 · 板端推理与结果可视化

图像分类实战MobileNet

目标检测实战（YOLOv5）

模型导出 · anchor配置 · 后处理NMS在NPU上的实现与优化

YOLOv5目标检测实战

目标检测实战（YOLOv8）

新版本模型转换注意事项 · 输出解析与性能对比

YOLOv8目标检测实战

语义分割实战

DeepLabV3或UNet模型部署 · 处理多类别输出与可视化

语义分割实战DeepLabV3

多模型并行与流水线

多线程推理 · NPU资源分配 · CPU与NPU负载均衡

多模型并行流水线

性能优化策略

推理耗时分析 · 算子融合 · 内存复用

性能优化策略推理耗时分析

精度调优方法

量化后精度下降的排查流程 · 敏感层识别与混合精度修复

精度调优方法量化后精度下降的…

常见错误与调试

模型转换失败 · 推理结果错误 · 内存溢出等问题的定位与解决

常见错误调试

RKNN模型加密与保护

模型加密方案 · 防拷贝机制与安全启动

RKNN模型加密

多平台适配

RK3588与RK3568等瑞芯微其…

多平台适配RK3588

边缘AI系统集成

摄像头输入 · RTSP推流 · 推理结果上传云端等完整系统设计

人脸检测与识别系统 · 涵盖模型选择 · 部署与性能评估

实战项目人脸检测

车牌识别系统 · 结合OCR模型与NPU加速的端到端实…

实战项目车牌识别系统

工业缺陷检测 · 使用自定义数据集训练并部署到RK35…

实战项目工业缺陷检测

智能安防监控 · 多路视频流实时分析架构与实现

实战项目智能安防监控

模型压缩与剪枝

在NPU部署前使用剪枝 · 蒸馏等方法减小模型体积并保持精度

模型压缩剪枝

RKNN-Toolkit2源码解析与二次开发

理解内部转换逻辑 · 定制化扩展功能

RKNN-Toolkit…源码解析

从零构建一个完整的边缘AI产品 · 包括需求分析 · 模型选型

课程总结与进阶路径

常见问题回顾 · 学习资源推荐 · NPU开发进阶方向与社区生态

课程总结进阶路径