---

1.1 RKNN-Toolkit2环境安装

前言

在 Ubuntu 20.04 x86_64 环境下安装 RKNN-Toolkit2 时，非常容易遇到环境冲突、依赖爆炸、protobuf 报错、Conda 源失效等问题。本文基于实际踩坑总结，给出最稳定、无冲突、可复现的安装方案，使用 Python 原生虚拟环境，与 ROS、Anaconda 完全隔离。

---

一、环境信息

• 系统：Ubuntu 20.04
• Python：3.8.13
• RKNN-Toolkit2：v1.6.0
• 环境：原生 venv 虚拟环境（强烈不推荐 Anaconda）

---

二、常见踩坑总结

1. Anaconda 环境混乱：源 404、Python 版本混杂、与 ROS 库冲突
2. 权限与路径污染：--user 安装导致包路径混乱，优先加载系统旧库
3. 依赖爆炸：自动安装 TensorFlow 2.8.0，依赖已下架的 tf-estimator-nightly
4. Protobuf 版本错误：系统旧版缺少 builder 模块，导入 ONNX 失败
5. 虚拟环境缺失：Ubuntu 默认未安装 python3.8-venv，无法创建环境

---

三、一键安装流程（无坑版）

1. 安装虚拟环境依赖

sudo apt update
sudo apt install python3.8-venv -y

2. 创建并激活虚拟环境

cd ~/study/rk3588/
python3.8 -m venv rk_venv
source rk_venv/bin/activate

3. 升级 pip

pip install --upgrade pip

4. 安装核心依赖（固定版本）

pip install protobuf==3.20.3
pip install onnx==1.14.1 onnxruntime==1.16.0 onnxoptimizer==0.2.7
pip install psutil tqdm ruamel.yaml scipy opencv-python

5. 安装 RKNN-Toolkit2（关键：不装无用依赖）

cd rknn-toolkit2-v1.6.0/rknn-toolkit2/packages
pip install rknn_toolkit2-1.6.0+81f21f4d-cp38-cp38-linux_x86_64.whl --no-deps

6. 验证安装

from rknn.api import RKNN

无报错即为成功。

---

四、环境使用规范

• 激活环境：source rk_venv/bin/activate
• 退出环境：deactivate
• 禁止：不要在虚拟环境外使用 RKNN
• 禁止：不要随意升级 protobuf、onnx 版本

---

五、高频报错解决方案

1. ImportError: cannot import name ‘builder’ from ‘google.protobuf.internal’

原因：系统 protobuf 版本过低
解决：

pip install protobuf==3.20.3 --force-reinstall

2. ERROR: No matching distribution found for tf-estimator-nightly

原因：自动安装 TensorFlow 导致
解决：安装 RKNN 必须加 --no-deps

3. Conda 404 错误

原因：镜像失效
解决：放弃 Anaconda，使用 venv 虚拟环境

4. venv: ensurepip is not available

解决：

sudo apt install python3.8-venv -y

---

六、总结

RKNN-Toolkit2 安装的核心在于：

• 环境必须隔离，不与 ROS/Anaconda 混用
• 依赖最小化，不安装 TensorFlow 等无关包
• 版本严格固定，尤其是 protobuf 和 onnx

按照本文流程安装，可避免 99% 的环境问题。