保姆级教程：在Ubuntu 22.04上用Miniconda搞定RKNN-Toolkit2环境（避坑pip源和依赖）

保姆级教程在Ubuntu 22.04上用Miniconda搞定RKNN-Toolkit2环境避坑pip源和依赖RK3568 NPU开发正逐渐成为边缘计算领域的热门选择而RKNN-Toolkit2作为其核心开发工具环境搭建却常常让开发者头疼。本文将带你从零开始在Ubuntu 22.04系统上通过Miniconda搭建稳定的RKNN-Toolkit2开发环境重点解决国内网络环境下的pip源配置、依赖冲突等实际问题。1. 环境准备Miniconda安装与配置1.1 为什么选择Miniconda在嵌入式AI开发中Python环境管理是个永恒的话题。相比原生Python环境Miniconda提供了三大优势隔离性为每个项目创建独立环境避免库版本冲突便捷性conda命令同时管理Python和二进制依赖轻量化相比AnacondaMiniconda只包含核心功能更适合开发环境# 下载最新版Miniconda安装脚本 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh1.2 安装过程中的关键选择执行安装脚本时有几个容易被忽略但至关重要的选项安装路径建议保持默认~/miniconda3避免权限问题初始化conda选择yes让conda自动配置shell环境默认环境建议取消base环境自动激活后续操作更清晰# 安装完成后执行 conda config --set auto_activate_base false注意如果安装后conda命令未识别需要手动执行source ~/.bashrc或重新打开终端2. 创建专用Python环境2.1 环境参数选择RKNN-Toolkit2对Python版本有严格要求根据官方文档组件推荐版本备注Python3.8.x3.9可能存在兼容性问题pip≥21.0旧版本可能导致安装失败# 创建名为rknn的专用环境 conda create -n rknn python3.8 pip21.3 -y conda activate rknn2.2 国内网络环境优化由于部分依赖需要从海外源下载建议同时配置conda和pip镜像源# 配置conda清华源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ # 配置pip阿里云源 pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/3. RKNN-Toolkit2安装全流程3.1 获取安装包的三种方式官方GitHub速度慢但最新git clone https://github.com/airockchip/rknn-toolkit2.git国内镜像仓库推荐git clone https://gitee.com/LubanCat/lubancat_ai_manual_code.git直接下载whl文件适合网络受限环境3.2 依赖安装避坑指南进入工具包目录后常见问题及解决方案numpy版本冲突先单独安装指定版本pip install numpy1.19.5OpenCV依赖问题sudo apt-get install libgl1-mesa-glx完整依赖安装cd lubancat_ai_manual_code/dev_env/rknn_toolkit2 pip install -r doc/requirements_cp38-1.5.0.txt --no-deps3.3 主程序安装验证pip install packages/rknn_toolkit2-1.5.01fa95b5c-cp38-cp38-linux_x86_64.whl # 验证安装 python -c from rknn.api import RKNN; print(Import success)4. 常见问题排查手册4.1 安装失败场景处理错误现象可能原因解决方案ImportError: libGL.so.1缺失图形库sudo apt install libgl1numpy版本冲突已有高版本numpy先卸载原有版本段错误 (Segmentation fault)硬件加速问题禁用GPU加速export CUDA_VISIBLE_DEVICES-14.2 环境恢复技巧如果环境损坏可以快速重建conda deactivate conda env remove -n rknn conda create -n rknn python3.8 -y # 重新执行安装步骤5. 开发环境优化建议VS Code配置安装Python扩展选择conda rknn环境作为解释器添加.vscode/settings.json{ python.pythonPath: ~/miniconda3/envs/rknn/bin/python }Jupyter Notebook支持pip install ipykernel python -m ipykernel install --user --namerknnDocker备选方案docker pull rockchip/rknn-toolkit2:1.5.0在实际项目中我发现最稳定的组合是Python 3.8.10 RKNN-Toolkit2 1.5.0这个配置在RK3568开发板上运行各类模型转换任务时表现最为可靠。