ELF-RV112B RKNN模型加载与运行时初始化

1. 实验目的

•验证 .rknn 模型文件在 ELF-RV1126B 板端可被正确加载。

•验证 init_runtime 初始化成功，说明 NPU 运行时与模型版本基本匹配。

•保留最小化验证日志，为后续 YOLOv8目标检测部署做前置确认。

2.准备事项

1）准备一个可用的 .rknn模型文件，例如官方资料包中的 best.rknn。

2）建议在板端单独创建测试目录，避免模型文件路径混乱。

提示：如果你手头只有原始 ONNX / PyTorch模型，还没有转换成 .rknn文件，那么本实验暂时无法完成，需先在 PC侧完成模型转换。

步骤 2.1 创建测试目录并确认模型文件存在

mkdir -p ~/rknn_test cd ~/rknn_test ls -lh ./best.rknn

这里提前将官方资料包中的best.rknn复制到了rknn_test文件夹下。

预期现象：best.rknn文件存在，且文件大小明显大于 0。若文件不存在或大小异常，请先检查拷贝路径和模型文件完整性。

步骤 2.2 激活 Python虚拟环境（按你的实际路径调整，这里重新在rknn_test文件夹下配置了虚拟环境）

python3 -m venv elf-env source elf-env/bin/activate python3 –version pip install rknn-toolkit-lite2==2.3.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

步骤 2.3 编写最小化加载验证脚本 test_load_rknn.py

Vim test_load_rknn.py from rknnlite.api import RKNNLite rknn = RKNNLite() ret = rknn.load_rknn('./best.rknn') assert ret == 0, f'load_rknn failed: {ret}' ret = rknn.init_runtime() assert ret == 0, f'init_runtime failed: {ret}' print('RKNN model load and runtime init success') rknn.release()

步骤 2.4 运行最小化验证

sudo ./elf-env/bin/python3 test_load_rknn.py

预期现象：终端打印 RKNN model load and runtime init success。若能够稳定出现该信息，说明模型文件、Lite2 版本和板端运行时已基本匹配。