)
一、安装Debian系统
最近在进行TB-RK3588X学习，由于板子自带的是Debian11系统，但是我想用Ubuntu20.04系统进行学习，但是经过两天的折腾后才发现这个板子用不了Ubuntu系统，所以就只能重装Debian，安装Debian的方式很简单。
准备：TB-RK3588X开发板、板子自带的type-c数据线、windows系统的电脑、正常的显示屏
1、安装驱动
从官方所给的文件中获取驱动文件压缩包，然后打开
D:\BaiduNetdiskDownload\TB-RK3588X\TB-RK3588X0-Release_V1.0.1_20230203\TB-RK3588X0-Release_V1.0.1_20230203\RKDevTool_Release\DriverAssitant目录，打开DriverInstall.exe程序
先进行“驱动卸载”，然后再进行“驱动安装”。
2、进入maskrom模式进行烧写
在官方所给的手册中，可以进入loader或者maskrom两种模式进行烧写，但是由于我的板子只能进入maskrom模式，所以我就选择了这个模式进行烧写。
进入maskrom模式的步骤：
①进入烧写程序
先将板子断电，将type-c数据线和电脑进行连接，打开D:\BaiduNetdiskDownload\TB-RK3588X\TB-RK3588X0-Release_V1.0.1_20230203\TB-RK3588X0-Release_V1.0.1_20230203\RKDevTool_Release目录下的RKDevTool.exe程序。
进入到如下程序里：
注意：如果此步骤有错误，多半是驱动安装失败，所以可以重复步骤一对驱动进行安装，安装成功的驱动可以在设备管理器查看到
②查看烧写状态
先按住主板的maskrom键不放，插上电源后，按下RESET键，直到烧写工具显示“发现一个MASKROM设备”后松开按键;
##进入loader模式是：按住主板的V+/REC键不放，然后按下RESET键，直到烧写工具显示“发现一个LOADER设备”后松开按键;
在软件空白处右击，导入配置，选择路径下的配置文件。
点击执行，等待下载完成。
下载完成后将板子与显示屏连接就可以进入Debian系统了。
参考链接：开发板概况 — TB-RK3588x 0.1 文档 (rock-chips.com)
二、Anaconda环境的配置
为了防止环境的污染，这里用anaconda进行环境配置。
1、下载
清华源镜像地址Index of / (anaconda.com)，我的这个板子下载的是
Anaconda3-2022.10-Linux-aarch64.rar,建议先解压后再复制到linux系统上，解压后的文件是Anaconda3-2022.10-Linux-aarch64.sh。
复制到linux系统上方法有很多，可以用filezilla、xshell等，这里我用的是U盘进行复制。
2、安装
进入到Anaconda3-2022.10-Linux-aarch64.sh的文件下，输入命令
bash Anaconda3-2021.11-Linux-x86_64.sh点enter和yes就可以。
安装完成后，重启终端，然后显示bash字样，表示安装成功。
3、创建环境
conda create -n py3.8 python=3.8py3.8 环境名称
python=3.8 环境的python版本
创建环境太慢（更换国内源）
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes移除添加的源
conda config --remove-key channels4、使用
①激活环境
conda activate py3.8②退出环境
conda deactivate③删除环境
conda remove -n 环境名 --all④复制环境
conda create -n 新环境名 --clone 旧环境名⑤查看环境
conda env list⑥查看当前环境安装的包
conda list⑦在其他环境下查看其他环境安装的包
conda list -n 环境名⑧用requirements.txt安装依赖
在pycharm终端生成requirement.txt
pip freeze > requirements.txt在linux系统安装依赖
pip install -r requirements.txt三、安装并测试RKNN-Toolkit2
RKNN-Toolkit2简介：
RKNN-Toolkit2是为用户提供在PC平台上进行Rockchip芯片NPU模型转换、推理和性能评估的开发套件。
在‘官方开发手册’中，提供了两种安装RKNN-Toolkit2的方式，分别是docker安装和pip安装，但是经过测试后，发现docker所提供的案例不能在这块板子上运行，原因是硬件不支持，因而这里用pip进行安装。
准备资料：源代码文件（RK_NPU_SDK_1.4.0）购买开发板后向官方索要
参考资料：Rockchip_Quick_Start_RKNN_SDK_V1.4.0_CN.pdf
使用pip安装并推理
一、配置python环境
因为上面已经配置好python3.8环境，所以这里不用再重复进行配置。
二、安装依赖
可以提前进入root状态:
su #进入root正常用户下安装：
sudo apt-get install libxslt1-dev zlib1g-dev libglib2.0 libsm6 \ libgl1-mesa-glx libprotobuf-dev gcc二、安装RKNN-Toolkit2
①复制文件到linux
将官方所提供的源文件复制到Linux系统上，源文件中的文件较多，只需要复制rknn-toolkit2-1.4.0这个文件即可。
②安装依赖
进入这个文件夹下的rknn-toolkit2-1.4.0文件夹里面
cd rknn-toolkit2-1.4.0_no_docker/ cd rknn-toolkit2-1.4.0/ pip3 install -r doc/requirements_cp38-1.4.0.txt -i https://pypi.tuna.tsinghua.edu.cn/simple #安装依赖，这里加上清华源会安装的快点报错：
Preparing metadata (setup.py) ... error
error: subprocess-exited-with-error
× python setup.py egg_info did not run successfully.
│ exit code: 1
╰─> [6 lines of output]
Traceback (most recent call last):
File "<string>", line 2, in <module>
File "<pip-setuptools-caller>", line 34, in <module>
File "/tmp/pip-install-bnlreols/bfloat16_96d853dc2bd94e25ace43b68a3c80d70/setup.py", line 10, in <module>
import numpy as np
ModuleNotFoundError: No module named 'numpy'
[end of output]
note: This error originates from a subprocess, and is likely not a problem with pip.
error: metadata-generation-failed
× Encountered error while generating package metadata.
╰─> See above for output.
解决方式：
pip install numpy==1.16.6 -i https://pypi.tuna.tsinghua.edu.cn/simple有的错误是pip版本不对，用以下命令升级pip版本
python3 -m pip install --upgrade p -i https://pypi.tuna.tsinghua.edu.cn/simple③安装 RKNN-Toolkit2（Python3.8 for x86_64)
执行命令：
pip3 install packages/rknn_toolkit2-1.4.0_22dcfef4-cp38-cp38-linux_x86_64.whl④检查安装完成
python3 from rknn.api import RKNN进入成功。Ctrl+D 退出 Python3。
⑤转换 yolov5s.onnx 为 rknn 模型并运行模型推理图
cd examples/onnx/yolov5 python3 test转换后的模型保存在：/rknn-toolkit2-1.4.0/examples/onnx/yolov5目录下
推理图片的结果在：/rknn-toolkit2-1.4.0/examples/onnx/yolov5
注意：一定是要在你安装依赖的环境中进行转换！！
