rknn3399pro 2小时入门指南（一）基础概念和基本开发流程

目录

• 1. 开发流程
  • 2. 环境配置
  • 3. 模型转换
  • 4. 模型推理
  • 5. 应用开发

本人所采用的开发环境大致如下：
PC: Ubuntu1604lts
board: rknn3399pro
frame: keras 2.3.1 + tensorflow-gpu1.14.0(backend)

接下来将分享本人在开发过程中的具体步骤，后续内容将结合一个实际案例，详细说明如何实现从头至尾的端到端训练流程。赠人玫瑰，手留余香，希望本内容能够对有需要的朋友提供一定的参考与帮助。

1.开发流程

官方提供对tflite、onnx、caffe、tensorflow1、pytorch以及darknet等模型格式的支持，可将其转换为.rknn模型并直接应用。
需特别说明的是，keras格式的模型并不在直接支持范围内。
完整的开发流程如以下图表所示：

若采用除keras以外的其他框架，可直接调用官方发布的转换模型；然而，若与我相同选择keras框架进行开发，则可参考以下所述