保姆级避坑指南：在Ubuntu 20.04上为RK3588搭建Python 3.6 + Virtualenv虚拟环境

RK3588作为当前边缘计算领域的热门芯片，其NPU性能表现优异，但在开发环境配置上却暗藏诸多"坑点"。许多开发者第一次拿到这块开发板时，往往会在Python环境配置环节耗费大量时间——尤其是当Ubuntu 20.04自带的Python 3.8与RKNN Toolkit2要求的Python 3.6产生版本冲突时，各种依赖问题便会接踵而至。本文将彻底解决这个痛点，不仅教你安全降级Python版本，更会深入解析如何用Virtualenv创建隔离环境，确保系统Python环境不被污染。

1. 环境冲突的根源分析

RK3588的官方开发工具链RKNN Toolkit2对Python版本有严格要求。虽然文档中提供了Python 3.6和3.8两个版本的requirements文件，但实际测试表明：

• Python 3.8的兼容性问题 ：在Ubuntu 20.04上直接使用系统自带的Python 3.8安装RKNN Toolkit2时，常会遇到以下典型错误：

  ERROR: Could not build wheels for numpy which use PEP 517 and cannot be installed directly
  

  这是因为部分依赖库的预编译二进制文件与Python 3.8存在兼容性问题。

• 系统Python的潜在风险 ：直接修改系统默认Python版本可能导致：

  • Ubuntu系统工具链崩溃（如apt、gnome-terminal等依赖特定Python版本）
  • 后续软件包安装失败
  • 难以回退到原始状态

通过对比测试发现，使用Python 3.6环境时，RKNN Toolkit2的安装成功率显著提高。下表展示了两种Python版本的关键差异：

特性	Python 3.6	Python 3.8
RKNN Toolkit2支持度	官方推荐版本	实验性支持
numpy兼容性	1.16.6版本稳定	需要最新版，但常编译失败
系统影响	需虚拟环境隔离	直接使用系统环境风险高
依赖解析	明确的requirements文件	部分依赖需要手动调整版本

提示：即使未来RKNN Toolkit2官方宣布支持Python 3.8，仍建议使用虚拟环境隔离开发环境，避免影响系统稳定性。

2. Python 3.6的安全安装方案

在Ubuntu 20.04上安装Python 3.6需要特别注意与系统自带的Python 3.8共存问题。以下是经过验证的可靠步骤：

1. 首先添加dead snakes PPA源获取Python 3.6：

   sudo add-apt-repository ppa:deadsnakes/ppa
   sudo apt update
   

2. 安装Python 3.6完整开发环境：

   sudo apt install python3.6 python3.6-dev python3.6-venv python3.6-tk
   

3. 关键步骤——配置替代版本而不破坏系统默认：

   sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.8 1
   sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.6 2
   

4. 需要时切换版本（非必须，后续用虚拟环境隔离）：

   sudo update-alternatives --config python3
   

这种方案的优势在于：

• 保留系统默认Python 3.8不变
• 通过alternatives机制实现版本切换
• 随时可以恢复原始配置

常见问题解决：

• 如果遇到 add-apt-repository 命令不存在：

  sudo apt install software-properties-common
  

• 安装后验证Python版本：

  python3.6 -V
  

3. Virtualenv虚拟环境最佳实践

Python版本管理只是第一步，真正的工程实践必须使用虚拟环境隔离。以下是针对RK3588开发的优化配置：

3.1 创建专用虚拟环境

推荐使用以下命令创建针对NPU开发的虚拟环境：

python3.6 -m venv ~/rk3588_venv --system-site-packages

关键参数解析：

• --system-site-packages ：允许虚拟环境访问系统已安装的包
• ~/rk3588_venv ：将环境放在用户目录下避免权限问题

3.2 环境激活与配置

激活环境后需立即进行基础配置：

source ~/rk3588_venv/bin/activate
pip install --upgrade pip setuptools wheel

注意：永远不要在虚拟环境外运行RKNN Toolkit2的pip安装命令，这可能导致系统Python环境污染。

3.3 虚拟环境管理技巧

• 持久化环境配置 ：在 ~/.bashrc 中添加别名快速激活：

  alias activate_rk3588="source ~/rk3588_venv/bin/activate"
  

• 环境复制 ：当需要迁移环境时：

  pip freeze > requirements.txt
  python3.6 -m venv new_venv
  pip install -r requirements.txt
  

• 空间清理 ：定期清理缓存：

  pip cache purge
  

4. RKNN Toolkit2完整安装流程

在正确的Python环境下，RKNN Toolkit2的安装可以一气呵成：

1. 首先安装基础依赖：

   sudo apt install libxslt1-dev zlib1g-dev libgl1-mesa-glx
   

2. 使用国内镜像源加速安装：

   pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 分步安装requirements：

   pip install numpy==1.16.6
   pip install -r requirements_cp36-1.3.0.txt
   

4. 最后安装RKNN Toolkit2 wheel包：

   pip install rknn_toolkit2-1.3.0_11912b58-cp36-cp36m-linux_x86_64.whl
   

验证安装成功的正确方式：

from rknn.api import RKNN
rknn = RKNN()
print(rknn.version())

典型问题排查：

• 如果遇到 libOpenCL.so 错误：

  sudo apt install ocl-icd-opencl-dev
  

• 出现 numpy 兼容性问题时：

  pip install numpy==1.16.6 --force-reinstall
  

5. 开发环境优化配置

为了让RK3588开发更高效，推荐以下环境优化措施：

5.1 IDE集成配置

在VS Code中配置虚拟环境路径：

{
  "python.pythonPath": "~/rk3588_venv/bin/python",
  "python.linting.enabled": true
}

5.2 开发工具链安装

sudo apt install git cmake build-essential libopencv-dev

5.3 性能监控工具

实时查看NPU利用率：

watch -n 1 cat /sys/kernel/debug/rknpu/load

6. 可持续维护方案

长期项目开发需要考虑环境可维护性：

1. 依赖版本锁定 ：

   pip freeze > requirements_lock.txt
   

2. 环境健康检查脚本 ：

   # check_env.py
   import pkg_resources
   requirements = pkg_resources.parse_requirements(open('requirements.txt'))
   for req in requirements:
       try:
           pkg_resources.require(str(req))
       except Exception as e:
           print(f"Missing or wrong version: {req}")
   

3. 自动化测试验证 ：

   python -m pytest tests/
   

在实际项目中，我习惯为每个RK3588项目创建独立的虚拟环境，并通过Docker进一步隔离系统依赖。当需要升级RKNN Toolkit2版本时，会先在测试环境中验证所有历史模型仍然可以正常转换和推理，这避免了很多潜在的兼容性问题。