暂时简单整理一下：
1.在边缘设备上配置相关环境。
2.配置完成后，获取模型中间的输入输出结果，保存为npy格式。
3.将onnx格式的模型，以及中间输入输出文件传送到边缘设备上。
4.编写一个python文件用于转换模型格式，dataset作为测试可以是随便的数据。
5.将python传送到边缘设备上并运行。
注意：所有文件要在同一目录下。
参考代码一：
# Author:SiZhen
# Create: 2024/7/15
# Description: ONNX转RKNN
import os
import numpy as np
from rknn.api import RKNNdef convert_onnx_to_rknn(onnx_path,rknn_path,input_data,output_data):#创建RKNN对象rknn = RKNN()rknn.config(target_platforms='rk3588',quantized_algorithm='mmse',optimization_level = 2)#加载ONNX模型print('loading ONNX model...')ret = rknn.load_onnx(model=onnx_path)if ret !=0:print("load failed!")return#构建模型，进行RKNN模型转换print('building rknn model...')ret = rknn.build(do_quantization=False,dataset='/home/DiTing/sizhen/dataset.txt')if ret !=0:print('Build RKNN model failed!')#导出RKNN模型print('Exporting RKNN model...')ret = rknn.export_rknn(rknn_path)if ret != 0:print('Export RKNN failed!')returnprint('RKNN model is successfully exported to ',rknn_path)rknn.init_runtime()outputs=rknn.inference(inputs=[input_data],data_format='nchw')try:if np.test.assert_almost_equal(outputs[0],output_data,decimal=1)is None:print('模型输出与预期一致。')except AssertionError as e :print("不一致，详细信息：",e)#转换模型
i = 0
onnx_path = r'/home/DiTing/sizhen/resNet34.onnx'
rknn_path = onnx_path.replace('.onnx','.rknn')
input_data = np.load('/home/DiTing/sizhen/input_data.npy')
output_data = np.load('/home/DiTing/sizhen/output_data.npy')
convert_onnx_to_rknn(onnx_path,rknn_path,input_data,output_data)问题及解决方法
问题一
安装失败。
解决方法：这个地方，谛听盒子应该是arm的版本而不是x86:（Lite版本）
问题二
安装成功找不到属性
解决方法：用如下包替代
问题三
lite版本缺少属性
初步讨论结果：lite版本应该是只包含运行环境的，最好不要在盒子上进行模型转换，会又慢又卡，可能利特版本就是没有模型转换的功能的。
解决方法：在其他环境转换。（待更新）可能的解决办法：https://bbs.eeworld.com.cn/thread-1283146-1-1.html
