Windows下使用PyTorch GPU训练的深度学习模型，部署到Linux NPU上操作指南，从PyTorch(GPU)到ONNX再到RKNN，最终在RK3588上实现部署推理。

根据你自己的系统架构选择对应的包，我这里是Ubuntu Arm架构+python3.8，因此选择wxPython-4.2.0-cp38-cp38-manylinux_2_28_aarch64.whl。如果不想在本地python上配置环境，继续使用该Anaconda环境配置，则手动下载wxPython安装包。

Windows下使用PyTorch GPU训练的深度学习模型，部署到Linux NPU上操作指南，从PyTorch(GPU)到ONNX再到RKNN，最终在RK3588上实现部署推理。

Windows下使用PyTorch GPU训练的深度学习模型，部署到Linux NPU上操作指南，从PyTorch(GPU)到ONNX再到RKNN，最终在RK3588上实现部署推理。

pytorch->onnx(sim)->rknn转换

Windows下使用PyTorch GPU训练的深度学习模型，部署到Linux NPU上操作指南，从PyTorch(GPU)到ONNX再到RKNN，最终在RK3588上实现部署推理。

在使用conda创建一个新的环境后，有些包通过pip的方式安装更方便有效，若在pip安装后，遇到该环境没有此包，或pycharm监测不到此包，通常是pip的环境指向有问题。保证pip指向没问题后，则可正常进行包安装。

通常系统gcc下对应有ffmpeg，但由于Ubuntu20以上版本通常支持gcc7、gcc8、gcc9版本，若要通过安装低版本gcc4来解决ffmpeg版本过高的问题，是不太可行的，gcc4已经基本不维护了，即使解决了ffmepg的问题，有可能也会引发其他问题。，这里不要再进行包的安装（可能会陷入错误循环），若ffmpeg安装正确，相应的包是都存在的，如图片所示。注意：输出上面图片的内容才成功，若

2.刷机时需准备ubuntu系统，可以是虚拟机，注意安装SDK Manager刷机时，JetPack版本要选对，JetPack6.0的对应ubuntu22，cuda12版本，对应pytorch支持2.0以上的，如果你要使用pytorch2.0以下版本（pytorch1.12），则需要安装JetPack5.0，对应ubuntu20，cuda11版本，更推荐这个版本。刷机完成后，需要进行cuda环境配

脑机接口BCI技术概述前言一、脑机接口BCI是什么？二、BCI的框架1 信号采集2 信号处理2.1 预处理2.2 特征提取2.3 模式分类3 BCI应用三、 脑控系统中常用的BCI范式1 基于感觉运动节律的BCI2 基于事件相关电位的BCI3 基于稳态刺激诱发电位的BCI四、 脑控系统设计理论1 异步脑机接口设计理论2 混合脑机接口理论与技术3 人机反馈通路非对称性分析4 人机共享自主性和协同控制