toybrick
rk3399prod
ai处理芯片 rk3399pro
预装安卓 linux
usb 双mipi hdmi dp pcie 以太网 gpio spi iic
rk1808计算
双核arm
npu 1920 int8 64 fp16 192 int16
低开发
软件
rknn tool kit python版本 rknn c版本
Android nn api 对接tensor flow lite
ai开发流程
模型转换
各个框架设计神经网络模型文件
转换到rknn
仅有Python api
模型加载到npu
输入数据
音频 视频
前端处理 比如图像 resize rotat 格式转换
模型推理
结果
结果一般不直观 需要一个后端处理
rockx ai sdk
骨骼关键点 手指关键点
人脸关键点 人脸检查 人脸识别 活体检查 人脸属性检查（性别 年龄）
物体识别
性能
50ms以下
复杂的100ms
future
二维码
ocr
被动模式
模型和输入在上位机 计算棒作为通用加速器
不需要对计算棒编程
演示被动模式
部署
插入上位机usb口
lsusb 找到计算棒id 22070018
环境 python3 rknn toolkit tensorflow
读写权限修改 改成可读可写
chmod x
x下载rockx sdk
安装rockx whi 包python opencv包（输入输出前端处理）
运行demo
-c 2指名参数为摄像头
代码解析
rockx类初始化
opencv类初始化摄像头
opencv处理完处理完送入rockx
将结果返回
主动设备
推理都是在云上，计算棒，可以帮助边缘计算
模型部署于计算棒上，一个专用模块
计算棒上编程
主动演示
上位机模型算符开发，转换模型，模型代码固化，设备开机自动运行，部署
主动模式流程-网络编程形式
上位机数据输入
计算棒虚拟成网卡设备
通过ip协议完成
也支持lab usb api通讯
ifconfig发现网卡ip
ssh 到计算棒ip
如果需要计算棒访问外网 利用nmcli 配置nat
计算棒可以通过网络安装包
代码