RK3588上ONNX转RKNN踩坑实录：解决‘No module named rknn’的完整指南

RK3588模型转换实战：从ONNX到RKNN的完整避坑手册

当你在RK3588开发板上尝试将YOLOv5的ONNX模型转换为RKNN格式时，突然跳出的"No module named 'rknn'"错误提示就像一盆冷水浇在头上。这不是简单的环境配置问题，而是涉及Python版本、依赖库匹配、芯片架构兼容性的系统工程。本文将带你深入RKNN工具链的底层逻辑，用工程师的视角拆解这个看似简单却暗藏玄机的转换过程。

1. 理解RKNN工具链的版本迷宫

RKNN-Toolkit2是Rockchip专为神经网络模型转换设计的工具包，但它的版本兼容性堪称"俄罗斯套娃"。最新发布的v2.3.0版本看似功能强大，却对运行环境有着近乎苛刻的要求。

关键版本对应关系表：

注意：许多开发者习惯直接pip install rknn-toolkit2，这会导致自动安装x86版本，在ARM架构设备上必然失败。必须手动下载对应架构的whl文件。

我在实际项目中遇到过更隐蔽的问题：即使安装了正确架构的RKNN库，系统仍可能报错。这是因为某些依赖库如protobuf的版本冲突。解决方法是在安装RKNN前先执行：