不采用fastdeploy等三方框架，使用rknn-lite2或者rknpu在rk3588上加速，测试加速的是rknn自带的yolov5模型。

备注：

1.测试视频：多人，帧:3000，时长:2min，分辨率:1920x1080，fps:25

2.测试包括预处理、推理、后处理以及每帧画图保存以及视频保存的总时间。

实验：

1.rknn-lite2  python

rknn的npu的python接口

1.1 rknpu2/examples/rknn_yolov5_demo/model/RK3588/yolov5s-640-640.rknn

使用rknn-toolkit2中的yolov5代码，fps：12.48

1.2 rknpu2/examples/rknn_yolov5

2.rknpu2 c++

3.一些rk3588常规命令

df -h:

 /userdata目录下还有不少空间，可以测

tmpfs：临时文件系统，用于在虚拟存储器中保持文件，可忽略。