文章
-
瑞芯微(EASY EAI)RV1126B yolov11训练部署教程2026-05-09 16:59
1.Yolo11简介YOLO11系列是YOLO家族中最先进的(SOTA)、最轻量级、最高效的模型，其表现优于其前辈。它由Ultralytics创建，该组织发布了YOLOv8，这是迄今为止最稳定、使用最广泛的YOLO变体。YOLO11将延续YOLO系列的传奇。本教程针对目标检测算法yolo11的训练和部署到EASY-EAI-Nano-TB(RV1126B)进行 -
瑞芯微(EASY EAI)RV1126B yolov8训练部署教程2026-05-09 14:44
1.Yolov8简介YOLOv8是ultralytics公司在2023年1月10号开源的基于YOLOV5进行更新的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务，鉴于Yolov5的良好表现，Yolov8在还没有开源时就收到了用户的广泛关注。其主要结构如下图所示：本教程针对目标检测算法yolov8的训练和部署到EASY-EAI-Nano-TB(R -
瑞芯微(EASY EAI)RV1126B yolov5训练部署教程2026-05-09 14:20
1.Yolov5简介YOLOv5模型是Ultralytics公司于2020年6月9日公开发布的。YOLOv5模型是基于YOLOv3模型基础上改进而来的，有YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四个模型。YOLOv5相比YOLOv4而言，在检测平均精度降低不多的基础上，具有均值权重文件更小，训练时间和推理速度更短的特点。YOLOv5的网 -
瑞芯微(EASY EAI)RV1126B resnet50训练部署教程2026-05-08 10:36
1.Resnet50简介ResNet50网络是2015年由微软实验室的何恺明提出，获得ILSVRC2015图像分类竞赛第一名。在ResNet网络提出之前，传统的卷积神经网络都是将一系列的卷积层和池化层堆叠得到的，但当网络堆叠到一定深度时，就会出现退化问题。残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在 -
瑞芯微(EASY EAI)RV1126B 模型部署API说明2026-05-07 17:49
1.基础数据结构定义1.1rknn_sdk_version结构体rknn_sdk_version用来表示RKNNSDK的版本信息，结构体的定义如下：1.2rknn_input_output_num结构体rknn_input_output_num表示输入输出tensor个数，其结构体成员变量如下表所示：1.3rknn_input_range结构体rknn_input_range表示一个输入的支持形状 -
瑞芯微(EASY EAI)RV1126B 模型部署示例2026-05-06 15:24
1.模型部署示例介绍本小节展示yolov5模型的在EASYEAINano-TB的部署过程，该模型仅经过简单训练供示例使用，不保证模型精度。2.准备工作2.1硬件准备需准备EASYEAINano-TB开发板，Type-C数据线、网线。可以基于MobaXterm的ssh远程桌面登录调试。首先使用网线把EASYEAINano-TB的千兆以太网接口与连着路由LAN口 -
瑞芯微(EASY EAI)RV1126B 模型转换API说明2026-05-06 11:23
1.API详细说明1.1RKNN初始化及释放在使用RKNN-Toolkit2的所有API接口时，都需要先调用RKNN()方法初始化RKNN对象，不再使用该对象时通过调用该对象的release()方法进行释放。初始化RKNN对象时，可以设置verbose和verbose_file参数，以打印详细的日志信息。其中verbose参数指定是否要打印详细日志信息；如果设置了verbose_file参数，且v -
瑞芯微(EASY EAI)RV1126B 模型转换教程示例2026-04-30 14:26
1.模型转换为RKNNEASYEAIMonster支持.rknn后缀的模型的评估及运行，对于常见的tensorflow、tensroflowlite、caffe、darknet、onnx和Pytorch模型都可以通过我们提供的toolkit工具将其转换至rknn模型，而对于其他框架训练出来的模型，也可以先将其转至onnx模型再转换为rknn模型。模型转换操作 -
瑞芯微(EASY EAI)RV1126B 模型转换环境搭建2026-04-29 17:37
1.概述模型转换环境搭建流程如下所示:下载模型工具2.下载模型转换工具为了保证模型转换工具顺利运行，请下载网盘里“06.AI算法开发/01.rknn-toolkit2模型转换工具/rknn-toolkit2-v2.3.2/rknn-toolkit2/docker/docker_image/rknn-toolkit2-v2.3.2-cp38-docker.ta -
瑞芯微(EASY EAI)RV1126B AI算法开发流程2026-04-29 14:18
1.概述AI算法开发流程由以下流程组成:2.需求分析算法的功能常常可以用一个短词概括，如人脸识别、司机行为检测、商场顾客行为分析等系统，但是却需要依靠多个子算法的有序运作才能达成。其原因在于子算法的神经网络结构各有不同，这些结构的差异化优化了各个子算法在其功能上的实现效果。以下我们列出组成例子：例子a:人脸识别算法=人脸检测（检测模型）+矫正人脸姿态模型（关