VIP20

本课程属于：033-Edge AI RKNN模型转换 工业控制与工业互联网 · 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

Edge AI设备上RKNN模型转换与硬件加速落地课程

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 · 课程适用人群 · RKNN在Edge AI中的定位与整…

课程导入学习目标

Edge AI与NPU基础

边缘计算概念 · 典型Edge AI设备 · NPU架构原理

RKNN工具链概览

RKNN-Toolkit2 · RKNN Runtime · RKNPU驱动

RKNN工具链概览

开发环境搭建

安装RKNN-Toolkit2 · 配置Python环境 · 连接开发板或模拟器

开发环境搭建RKNN-Toolkit…

模型转换前置准备

支持框架（PyTorch/Tenso… · 模型导出规范 · 输入输出定义

模型转换前置准备PyTorch/Tens…

ONNX模型导出与优化

从PyTorch/TensorFlo… · 算子兼容性检查 · 简化模型

ONNX模型导出

RKNN模型转换流程

使用RKNN-Toolkit2进行转… · 配置量化参数 · 设置输入输出

RKNN模型转换流程

量化原理与重要性

FP16/INT8量化 · 量化误差来源 · 校准数据集选择

量化原理重要性

RKNN量化实战

使用校准数据集 · 设置量化算法 · 评估量化后精度

RKNN量化实战

模型验证与仿真

使用模拟器进行推理 · 对比原始模型输出 · 分析精度损失

模型验证仿真

RKNN Runtime部署

在Linux/Android上集成R… · 加载模型 · 执行推理

C/C++ API详解

rknn_init · rknn_inputs_set · rknn_run

Python API快速上手

使用RKNN Python接口进行推… · 处理输入输出 · 错误处理

多线程与异步推理

提高吞吐量 · 使用多线程/异步队列 · 避免阻塞

多线程异步推理

硬件加速性能调优

NPU调度策略 · 内存复用 · 算子融合

硬件加速性能调优NPU

模型剪枝与蒸馏

在转换前压缩模型 · 减少计算量 · 保持精度

模型剪枝蒸馏

RKNN模型加密与保护

模型加密方案 · 防逆向 · 授权管理

RKNN模型加密

常见转换错误与解决

算子不支持 · 维度错误 · 量化失败

常见转换错误解决

图像分类模型转换与部署（如Mobil…

案例实战Mobil

目标检测模型转换与部署（如YOLOv… · NMS在NPU上的优化

案例实战YOLOv

语义分割模型转换与部署（如DeepL… · 上采样层

案例实战DeepL

语音唤醒词模型部署——流式输入 · 低延迟要求 · 环形缓冲区

案例实战语音唤醒词模型部…

人脸关键点检测模型部署——轻量化模型 · 精度与速度平衡

案例实战人脸关键点检测模…

多模型协同与流水线

多个RKNN模型串联 · 共享内存 · 流水线设计

多模型协同流水线

RKNN与摄像头/传感器集成

读取摄像头帧 · 预处理 · 推理

性能分析工具使用

使用RKNN Profiler · 分析各层耗时 · 定位瓶颈

性能分析工具使用RKNN

功耗与热管理

NPU功耗特性 · 降频策略 · 动态电压频率调整

功耗热管理

RKNN模型版本管理与迭代

模型版本控制 · A/B测试 · OTA更新

RKNN模型版本管理

综合项目实战

从零构建一个Edge AI产品原型（… · 涵盖模型转换 · 部署

综合项目实战Edge

课程总结与进阶方向

常见问题回顾 · RKNN生态展望 · 学习资源推荐

课程总结进阶方向