[Doc] Add RK NPU doc (#3508)

docs/demo_guides/rknpu.md

+# PaddleLite使用RK NPU预测部署
+
+Paddle Lite已支持RK NPU的预测部署。
+其接入原理是与之前华为NPU类似，即加载并分析Paddle模型，将Paddle算子转成RK组网API进行网络构建，在线生成并执行模型。
+
+## 支持现状
+
+### 已支持的芯片
+
+- RK1808, RK1806
+- RK1126, RK1109
+
+### 已支持的设备
+
+- RK1808 EVB，暂时不支持RK3399Pro。
+
+### 已支持的Paddle模型
+
+- [全量化MobileNetV1](https://paddlelite-demo.bj.bcebos.com/devices/rockchip/mobilenet_v1_int8_224_fluid.tar.gz)
+
+### 已支持（或部分支持）的Paddle算子
+
+- relu
+- conv2d
+- depthwise_conv2d
+- pool2d
+- fc
+- softmax
+- batch_norm
+- concat
+- elementwise_add
+- elementwise_sub
+- elementwise_mul
+- elementwise_div
+
+## 参考示例演示
+
+### 测试设备
+
+![rk1808_evb_front](https://paddlelite-demo.bj.bcebos.com/devices/rockchip/rk1808_evb_front.jpg)
+
+![rk1808_evb_back](https://paddlelite-demo.bj.bcebos.com/devices/rockchip/rk1808_evb_back.jpg)
+
+### 准备设备环境
+
+- 需要依赖特定版本的firmware，请参照[rknpu_ddk](https://github.com/airockchip/rknpu_ddk)的说明对设备进行firmware的更新；
+- 由于RK1808 EVB在刷firmware后，只是一个纯净的Linux系统，无法像Ubuntu那样使用apt-get命令方便的安装软件，因此，示例程序和PaddleLite库的编译均采用交叉编译方式；
+- 将MicroUSB线插入到设备的MicroUSB OTG口，就可以使用Android的adb命令进行设备的交互，再也不用配置网络使用ssh或者通过串口的方式访问设备了，这个设计非常赞！
+
+### 准备交叉编译环境
+
+- 为了保证编译环境一致，建议参考[源码编译](../user_guides/source_compile)中的Docker开发环境进行配置。
+
+### 运行图像分类示例程序
+
+- 从[https://paddlelite-demo.bj.bcebos.com/devices/rockchip/PaddleLite-armlinux-demo.tar.gz](https://paddlelite-demo.bj.bcebos.com/devices/rockchip/PaddleLite-armlinux-demo.tar.gz)下载示例程序，解压后清单如下：
+
+```shell
+- PaddleLite-armlinux-demo
+  - image_classification_demo
+    - images 
+      - tabby_cat.jpg # 测试图片
+      - tabby_cat.raw # 已处理成raw数据的测试图片
+    - labels
+      - synset_words.txt # 1000分类label文件
+    - models
+      - mobilenet_v1_int8_224_for_rknpu.nb # 已通过opt转好的mobilenetv1全量化模型
+    - CMakeLists.txt # 示例程序CMake脚本
+    - build
+      - image_classification_demo # 已编译好的示例程序
+    - image_classification_demo.cc # 示例程序源码
+    - convert_to_raw_image.py # 将测试图片保存为raw数据的python脚本
+    - build.sh # 示例程序编译脚本
+    - run.sh # 示例程序运行脚本
+  - Paddle-Lite
+    - include # PaddleLite头文件
+    - libs
+      - armv8
+        - libGAL.so # RK DDK库
+        - libOpenVX.so
+        - libVSC.so
+        - librknpu_ddk.so
+        - libgomp.so.1 # gnuomp库
+        - libpaddle_light_api_shared.so # 预编译PaddleLite库
+```
+
+- 进入PaddleLite-armlinux-demo/image_classification_demo，再定频后直接执行./run.sh即可，注意：run.sh的执行不能在docker环境，否则无法找到设备；
+```shell
+$ cd PaddleLite-armlinux-demo/image_classification_demo
+$ adb shell
+  / # echo userspace > /sys/devices/system/cpu/cpu0/cpufreq/scaling_governor
+  / # echo 1608000 > /sys/devices/system/cpu/cpu0/cpufreq/scaling_setspeed
+  / # echo userspace > /sys/devices/system/cpu/cpu1/cpufreq/scaling_governor
+  / # echo 1608000 > /sys/devices/system/cpu/cpu1/cpufreq/scaling_setspeed
+$ ./run.sh
+...
+warmup: 5 repeat: 10, average: 6.486600 ms, max: 6.544000 ms, min: 6.450000 ms
+results: 3
+Top0  tabby, tabby cat - 0.438732
+Top1  Egyptian cat - 0.438732
+Top2  tiger cat - 0.116995
+Preprocess time: 2.447000 ms
+Prediction time: 6.486600 ms
+Postprocess time: 0.101000 ms
+```
+- 如果需要更改测试图片，可通过convert_to_raw_image.py工具生成；
+- 如果需要重新编译示例程序，直接运行./build.sh即可，注意：build.sh的执行必须在docker环境中，否则可能编译出错。
+
+
+### 更新模型
+
+- 通过Paddle Fluid训练，或X2Paddle转换得到MobileNetv1 foat32模型[mobilenet_v1_fp32_224_fluid](https://paddlelite-demo.bj.bcebos.com/models/mobilenet_v1_fp32_224_fluid.tar.gz)；
+- 参考[模型量化-有校准数据训练后量化](../user_guides/post_quant_with_data)使用PaddleSlim对float32模型进行量化（注意：由于RK NPU只支持tensor-wise的全量化模型，在启动量化脚本时请注意相关参数的设置），最终得到全量化MobileNetV1模型[mobilenet_v1_int8_224_fluid](https://paddlelite-demo.bj.bcebos.com/devices/rockchip/mobilenet_v1_int8_224_fluid.tar.gz)；
+- 参考[模型转化方法](../user_guides/model_optimize_tool)，利用opt工具转换生成RKNPU模型，仅需要将valid_targets设置为rknpu,arm即可。
+```shell
+$ ./opt --model_dir=mobilenet_v1_int8_224_fluid \
+    --optimize_out_type=naive_buffer \
+    --optimize_out=mobilenet_v1_int8_224_for_rknpu \
+    --valid_targets=rknpu,arm
+```
+- 注意：opt生成的模型只是标记了RKNPU支持的Paddle算子，并没有真正生成RK NPU模型，只有在执行时才会将标记的Paddle算子转成RK NPU组网API，最终生成并执行HiAI模型。
+
+### 更新支持RK NPU的Paddle Lite库
+
+- 下载PaddleLite源码和RK DDK；
+```shell
+$ git clone https://github.com/PaddlePaddle/Paddle-Lite.git
+$ cd Paddle-Lite
+$ git checkout <release-version-tag>
+$ git clone https://github.com/airockchip/rknpu_ddk.git
+```
+- 编译full_publish and tiny_publish for armv8（注意：RKNPU_DDK只支持armv8）
+```shell
+$ ./lite/tools/build.sh --arm_os=armlinux --arm_abi=armv8 --arm_lang=gcc --build_extra=ON --shutdown_log=OFF --build_rknpu=ON --rknpu_ddk_root=./rknpu_ddk full_publish
+$ ./lite/tools/build.sh --arm_os=armlinux --arm_abi=armv8 --arm_lang=gcc --build_extra=ON --shutdown_log=OFF --build_rknpu=ON --rknpu_ddk_root=./rknpu_ddk tiny_publish
+```
+- 将编译生成的build.lite.armlinux.armv8.gcc/inference_lite_lib.armlinux.armv8.rknpu/cxx/include替换PaddleLite-armlinux-demo/Paddle-Lite/include目录；
+- 将编译生成的build.lite.armlinux.armv8.gcc/inference_lite_lib.armlinux.armv8.rknpu/cxx/lib/libpaddle_light_api_shared.so替换PaddleLite-armlinux-demo/Paddle-Lite/libs/armv8/libpaddle_light_api_shared.so文件。
+
+## 其它说明
+
+- RK研发同学正在持续增加用于适配Paddle算子bridge/converter，以便适配更多Paddle模型。

docs/index.rst

@@ -54,6 +54,7 @@ Welcome to Paddle-Lite's documentation!
   demo_guides/opencl
   demo_guides/fpga
   demo_guides/npu
+  demo_guides/rknpu
   
 .. toctree::
   :maxdepth: 1