瑞芯微就是这么给力

3265269760

  g0 ^# C8 }7 |7 {0 Q$ l
+ l: j, s8 P. p

在过去RKNN-Toolkit通过ONNX来完成MXNet和PyTorch等模型的支持，开发者需要先将模型转换为ONNX格式，再进一步转换为RKNN模型，这一过程较为繁琐，并且提高了引入问题的概率使得最终转换失败。

  h" v3 X) J( z4 q7 [/ F/ _/ [

MXNet及PyTorch发展非常迅速，普及度快速提高， RKNN-Toolkit新版本将原生支持MXNet及PyTorch模型的转换，在端侧AI平台的框架和模型支持覆盖度上继续保持领先。

随着端侧设备数量的成倍增长，需要以更具可扩展性的方式部署端侧AI应用软件。Docker容器技术是业界广泛通行的解决这一挑战的有力工具。

RK1808平台系统将提供对Docker的支持，通过硬件抽象层，在容器中仍可调用NPU的强劲算力，经测试，容器中的AI模型推理性能几乎没有损失。

通过上述更新，开发者基于瑞芯微Rockchip AI平台的产品开发、部署、维护将更为迅捷。瑞芯微将继续与广大开发者共同努力，加速AI在各类场景的落地。

- p* W1 v+ E  V# f! ?