rk3568环境配置和推理报错: RKNN_ERR_MALLOC_FAIL(-4) 和 RKNN_ERR_FAIL(-1)

前言
最近在部署算法在板子侧遇到的一些问题汇总一下：

一、版本问题

经过测试现在将自己环境配置如下：

本地linux安装rknn-toolkit2-1.5.0

1. 本地Linux使用的miniconda新建的一个python虚拟环境（自行网上查找相关方法）
   
2. 安装好自己的虚拟环境之后：安装所需的依赖包

sudoapt-getinstalllibxslt1-dev zlib1g-dev libglib2.0 libsm6 libgl1-mesa-glx libprotobuf-dev gcc

3. 将官方的RKNN-Toolkit2库git到linux本地：(如果提示没有找到git命令，使用：sudo apt install git-all安装git工具)

gitclone https://github.com/rockchip-linux/rknn-toolkit2

4. 进入 Toolkit2 工程文件夹， 根据工程的保存路径修改 cd 命令中的路径。

cd~/rknn-toolkit2

5. 安装必要相应版本的依赖包（这里我安装和我自己linux匹配的py3.8版本）

pip3install-rdoc/requirements_cp38-1.5.0.txt

6. 安装 RKNN-Toolkit2（Python3.6 for x86_64）

pip3installpackage/rknn_toolkit2-1.5.0+1fa95b5c-cp38-cp38-linux_x86_64.whl

7. 检查 RKNN-Toolkit2 是否安装成功。 出现这个界面，就说明本地linux端的安装已经成功，
   
8. 可以运行官方的examples案例检测：rknn-toolkit2/examples/onnx/yolov5
   

板子RK3568环境安装

1. git源码到板子上

gitclone https://github.com/rockchip-linux/rknn-toolkit2

cd./rknn_toolkit_lite2

文件结构如下：

1. 环境安装

sudoaptupdate#安装python工具等sudoapt-getinstallpython3-dev python3-pip gcc#安装相关依赖和软件包pip3installwheelsudoapt-getinstall-ypython3-opencvsudoapt-getinstall-ypython3-numpysudoapt-yinstallpython3-setuptools

2. Toolkit Lite2工具安装：

# 进入到rknn_toolkit_lite2目录下，cdrknn_toolkit_lite2/# ubuntu22 python3.7pip3installpackages/rknn_toolkit_lite2-1.5.0-cp310-cp310m-linux_aarch64.whl

3. 检测安装成功

python3>>>from rknnlite.apiimportRKNNLite>>>

4. 运行官方的demo
   此时运行一定是在rknn_toolkit_lite2这个文件下找到examples进行运行：

运行我的demo：仓库地址：https://gitee.com/wangyoujie11/rk3568_-demo

Mnist_PC放在本地电脑的linux环境下，激活自己的python虚拟环境，然后python test.py就可以运行
Mnist_rk3568放在板子的linux环境下，然后python3 rk3568_test.py就可以运行
运行结果分别如下：
pc端（程序里加载的1.png）：

RK3568板子端（程序里加载的7.png）：

---------------------------------------------分割线（不定期更新）-----------------------------------------

问题一

在使用RK3568开发板的时候，在板子侧部署.rknn模型推理的时候报错： *Exception: RKNN init failed. error code: RKNN_ERR_MALLOC_FAIL*

然后查看官方的手册发现报错提示：内存分配失败
但是没有对应的解决方法，只能自己debug了(一杯茶，一包烟，一个bug找一天）…
后面发现问题所在：我的.onnx模型输出如下：有多个输出，导致在本地linux下可以运行自己的模型，但是在板子上由于资源受限，导致板子的内存分配失败。所以解决的办法就是将自己的.onnx模型的输出给减少。https://netron.app/可以将自己的.onnx模型加载看输入输出

#原xxx.onnx文件放在onnx文件夹下，然后创建一个新的文件夹newonnx用来存放新的.onnx模型#版本说明这里的.onnx模型是在pytorch版本1.6.0~1.10.1直接训练的模型，并且在onnx版本在1.7.0~1.10.0之间importonnx model=onnx.load('./onnx/xxx.onnx')node=model.graph.output[1]model.graph.output.remove(node)onnx.save(model,'./newonnx/xxx.onnx')model=onnx.load('./newonnx/xxx.onnx')foriinrange(1,9):#根据自己要删除的节点设置范围node=model.graph.output[1]model.graph.output.remove(node)onnx.save(model,'./newonnx/xxx.onnx')

经过上面的代码裁剪.onnx模型之后

得到这个新的.onnx模型之后，就可以由本地Linux运行rknn的对应api将.onnx模型转为.rknn模型，然后将.rknn模型在板子上进行推理了。

问题二

出现这个原因是因为，电脑端的rknn-toolkit2版本和板子端的rknn-toolkit2_lite版本的不同，必须是相同版本下，电脑端导出的rknn模型可以成功运行在板子端