瑞芯微Rockchip正式发布旗下AI平台三大重要升级，助力端侧AI应用：开发工具支持GUI图形交互界面、原生支持MXNet和PyTorch、支持Docker部署。
一、交互方式更加友好，RKNN-Toolkit新版本将支持图形界面
经过多个版本的不断迭代完善，RKNN-Toolkit已日益成熟。瑞芯微即将推出的新版将加入图形交互界面(GUI)，开发者通过鼠标点击即可完成模型的转换、量化、性能分析、内存耗费分析等任务，快速完成AI模型在端侧部署的评估和转换工作。特别是对于混合量化等较为复杂的任务，相比于过去的命令行交互，通过图形界面可大幅提高效率并降低操作错误的概率。另外，新版RKNN-Toolkit的图形界面同样在Linux/Mac OSX/Windows三个平台上均可运行。
二、模型转化更加简便，RKNN-Toolkit将对MXNet和PyTorch提供原生支持
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。
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。
三、模型推理性能更加稳定，瑞芯微 AI平台支持通过Docker快速部署端侧AI应用
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。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
