您好，资源释放问题可以参考 https://forums.luckfox.com/viewtopic.php?t=652 ，RKNN使用的内存是和多媒体共用的CMA，和linux系统的CMA不一致所以相应的申请释放接口也是不通用的，仅观察内存的占用变化是无法确定此时CMA的使用情况的，可以使用grep -i cma /proc/meminfo查看一下CMA使用情况 您好！我重复了：1. 记录CMA使用情况 2. 测试可以成功运行 3. 重复执行 4. 报错 5. 记录CMA使用情况 发现CMA的使用情况和内存的使用情况一样，都是相差不大，但是无法再次加载RKNN模型，必须要拔插重启才可以。 ...

下面是补充的日志，可以看到FLASH层面没什么不同。但是程序就是无法再次运行，需要重新拔插。 爆内存后的 df -h： Filesystem Size Used Available Use% Mounted on ubi0:rootfs 67.1M 65.8M 1.3M 98% / devtmpfs 16.7M 0 16.7M 0% /dev tmpfs 16.8M 0 16.8M 0% /dev/shm tmpfs 16.8M 172.0K 16.6M 1% /tmp tmpfs 16.8M 516.0K 16.3M 3% /run /dev/ubi4_0 22.4M 17.1M 5.3M ...

不断对同一张图片进行推理（大概运行了几百次后），最终会显示内存不够。 这是输出的日志： rknn_init fail! ret=-1 ret=-1 model_path=/data/RKNN/model/model.rknn E RKNN: failed to allocate fd, ret: -1, errno: 12, errstr: Cannot allocate memory E RKNN: failed to allocate model memory!, size: 8239104, flags: #2 rknn_init fail! ret=-1 一些观察： 观察一： 使用Mo...

您好，正常会出现输出结果相同一般都是在输入上出现问题，对模型结构没有修改那么模型中有什么归一化参数不对导致数值输出异常的可能性很低。 RV1106 的 rknn api 使用的是零拷贝模式，RKNN中将输入数据传入到模型中是在inference_mobilenet_model中的convert_image中实现的，例程应该是使用DMA+RGA的方式来加速图像处理的过程，对于色彩格式有要求，我觉得问题有可能出现在这里，您可以尝试将800*400 大小的bmp图片（需要去文件头）直接拷贝到模型输入的虚拟地址（app_ctx.input_mems[0]->virt_addr上），跳过convert...

遇到这样的问题，我编译了https://github.com/airockchip/rknn_model_zoo/blob/main/examples/mobilenet的库，模拟推理结果如下： W __init__: rknn-toolkit2 version: 1.6.0+81f21f4d W load_onnx: If you don't need to crop the model, don't set 'inputs'/'input_size_list'/'outputs'! W load_onnx: It is recommended onnx opset 19, but your...

通过下面的代码测试了torch保存的.pth模型、.onnx、.rknn等三种模型在测试集上的分类准确率： class RKNNonSimulator: def __init__(self, onnx_path): # Create RKNN object rknn = RKNN(verbose=False) # Pre-process config rknn.config(mean_values=infer_mean, std_values=infer_std, target_platform='rv1103') # Load model print('--> Loading model'...

通过下面的代码测试了torch保存的.pth模型、.onnx、.rknn等三种模型在测试集上的分类准确率： class RKNNonSimulator: def __init__(self, onnx_path): # Create RKNN object rknn = RKNN(verbose=False) # Pre-process config rknn.config(mean_values=infer_mean, std_values=infer_std, target_platform='rv1103') # Load model print('--> Loading model')...

Crocodile wrote: ↑2024-04-07 1:52 您好，根据您的测试程序的输出结果，程序虽然使用了time.sleep将UART3线程挂起了0.5秒，但是显示根据您的程序设计UART4的线程需要经过初始化等步骤再开始接收在0.5s内无法完成所有操作，所以很快又切回UART3线程，UART4线程没有运行的机会。
这涉及到多线程设计的内容，建议从线程同步的角度来解决问题，比如使用互斥锁（threading.Lock()）来完善您的测试程序。

我通过一种很奇怪的方式解决了这个问题，UART3.RX连接UART4.RX，UART3.TX连接UART4.TX。最终可以正常通讯。不知道是端口标识搞错了，还是必须是这样。

但我单独测试UART3/4的RX和TX，都可以正常接发数据。 当时当我将UART3.TX连接UART4.RX，以及UART4.TX连接UART3.RX，如下图： 95b1462257c3db073cf1e3ce7d7de13.jpg e792764a1377f881968d260fe0269aa.jpg 使用以下代码测试（一开始尝试的是单线程版）： from periphery import Serial import threading import time def uart3_task(): uart3 = Serial( "/dev/ttyS3", baudrate...

我给plus配置了一块麦克风放大器，其中麦克风的VCC、GND、OUT分别连接plus的3V3、GND、SARADC_IN0. 麦克风的采样频率比如是16000hz。 但发现默认的ADC端口只有几百Hz。 测试代码如下： import time ADC_DIR = "/sys/bus/iio/devices/iio:device0" def read_value(file_path): with open(file_path, "r") as file: return file.read().strip() def main(): print(&quo...