文章目录
工程目标
将自己训练的目标检测模型【YOLO-V5s】移植到瑞芯微【356X】芯片平台，使用C++推理，最终得到预期的结果。
芯片参数
芯片参数介绍：https://www.rock-chips.com/a/cn/product/RK35xilie/2021/0113/1273.html
CPU：四核，1.8GHZ.
NPU：1TOPs@Int8，每秒一万亿次运算。
查阅官方文档
通常每一款芯片都有其对应的使用文档和工具链，以此作为开发的参考。通过官方文档，可以确认开发环境（Ubuntu, python版本等），工具链版本，不同深度学习框架的Demo，以及一些特别的注意事项等。
基本流程
Python 版工具链安装
下图是Python版本工具链目录结构，在【DOC】目录中提供了英文版和中文版的使用文档。
初次使用该工具链的时候，仔细阅读如下文档：
本教程使用【pip】的方式安装，docker也是官方建议的安装方式，看自己对哪种方式更为熟悉。结合文档的流程，具体操作过程如下：
RKNPU2的编译以及使用方法
主要介绍板子上为Linux系统64位的编译以及使用，具体流程如下：
移植自己训练的模型
移植自己训练的YOLOV5s，由于应用任务场景的不同，输出与官方YOLOV5的输出略有差异。与官方的Demo相比，需要修改一些输出的尺寸。具体流程如下：
