feat: add e54c docs

docs/Home.md

@@ -668,6 +668,22 @@ sidebar_custom_props:
                     },
                   ],
               },
+              {
+                products_name: "Radxa E54C",
+                products_photo_url: "/home/product-pictures/e54c.webp",
+                products_link: "/e/e54c",
+                docs:
+                  [
+                    {
+                      docs_link: "/e/e54c",
+                      docs_photo_type: "Overview",
+                      docs_name_en: "Overview",
+                      docs_name_zh: "Radxa E54C 概览",
+                      docs_info_en: "Overview of the E54C",
+                      docs_info_zh: "Radxa E54C 概览",
+                    },
+                  ],
+              },
             ],
         },
         {

docs/common/dev/_rk3586_npu_explanation.mdx

@@ -0,0 +1,19 @@
+RK3582 NPU 支持 INT4/INT8/INT16/FP16 混合运算，算力高达 5TOPs。用户可以轻松转换基于 TensorFlow/MXNet/PyTorch/Caffe 等一系列框架的网络模型， 并可使用 RKNN，RKLLM 框架进行模型加速推理。
+
+:::tip
+为了方便用户在查阅关于 RK3582 NPU 系列文档时出现误解，这里统一 RK3582 关于**指定 NPU 平台模型**的说明
+:::
+
+目前 [RKNN 官方手册](https://github.com/airockchip/rknn-toolkit2/)中说明：
+
+支持 RK3566/RK3568， RK3588， RK3562， RV1103/RV1106 系列芯片
+
+目前 [RKLLM 官方手册](https://github.com/airockchip/rknn-llm)中说明：
+
+支持芯片：RK3588/RK3576
+
+## 说明
+
+对于 ROCK5C Lite， E54C 等搭载 RK3582 SoC 的产品，在使用 RKNN 和 RKLLM 进行模型转换或推理时，**模型的指定平台均为 `rk3588`**, 即 RK3588 的模型可在 RK3582 平台上使用。
+
+有关 RK3588 NPU 使用的文档在 RK3582 上均通用。

docs/common/dev/_rkllm-deepseek-r1.mdx

@@ -22,6 +22,9 @@ git clone https://www.modelscope.cn/radxa/DeepSeek-R1-Distill-Qwen-1.5B_RKLLM.gi
 :::tip
 请用户根据 [RKLLM安装](./rkllm_install) 完成 PC 端和开发板端 RKLLM 工作环境的准备
 :::
+:::tip
+RK358X 用户 TARGET_PLATFORM 请指定 `rk3588` 平台
+:::
 
 - x86 PC 工作站中下载 [DeepSeek-R1-Distill-Qwen-1.5B](https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B) 权重文件, 如没安装 [git-lfs](https://git-lfs.com/)，请自行安装
   ```bash
@@ -93,8 +96,17 @@ git clone https://www.modelscope.cn/radxa/DeepSeek-R1-Distill-Qwen-1.5B_RKLLM.gi
 
 ### 性能分析
 
-对于数学问题： `解方程 x+y=12, 2x+4y=34, 求x,y的值`， 在 RK3588 上达 14.93 token/s
+对于数学问题： `解方程 x+y=12, 2x+4y=34, 求x,y的值`，
+
+在 RK3588 上达 14.93 token/s,
+
+| Stage    | Total Time (ms) | Tokens | Time per Token (ms) | Tokens per Second |
+| -------- | --------------- | ------ | ------------------- | ----------------- |
+| Prefill  | 429.63          | 81     | 5.30                | 188.53            |
+| Generate | 56103.71        | 851    | 66.99               | 14.93             |
+
+在 RK3582 上达 10.61 token/s
 | Stage | Total Time (ms) | Tokens | Time per Token (ms) | Tokens per Second |
 |----------|-----------------|--------|---------------------|-------------------|
-| Prefill | 429.63 | 81 | 5.30 | 188.53 |
-| Generate | 56103.71 | 851 | 66.99 | 14.93 |
+| Prefill | 599.71 | 81 | 7.4 | 135.07 |
+| Generate | 76866.41 | 851 | 94.25 | 10.61 |

docs/common/dev/_rkllm-usage.mdx

@@ -21,6 +21,10 @@
 
 ### 模型转换
 
+:::tip
+RK358X 用户 TARGET_PLATFORM 请指定 `rk3588` 平台
+:::
+
 这里以 [Qwen2.5-1.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct) 为例子，用户也可以选择任意[目前支持模型](#目前支持模型)列表中的链接
 
 - x86 PC 工作站中下载 [Qwen2.5-1.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct) 权重文件, 如没安装 [git-lfs](https://git-lfs.com/)，请自行安装

docs/common/dev/_rknn-toolkit-lite2-yolov5.mdx

@@ -52,6 +52,9 @@ Radxa 已提供预转换好的 `yolov5s_rk35XX.rknn` 模型，用户可直接参
   `<dtype>`: 指定为 `i8` 或 `fp`。`i8` 用于 int8 量化，`fp` 用于 fp16 量化。默认为 `i8`
 
   `<output_rknn_path>`: 指定 RKNN 模型的保存路径，默认保存在与 ONNX 模型相同的目录
+  :::tip
+  RK358X 用户 TARGET_PLATFORM 请指定 `rk3588` 平台
+  :::
 
 - 将 rknn 模型拷贝到板端
 

docs/common/dev/_rknn-toolkit-lite2-yolov8.mdx

@@ -46,6 +46,10 @@
 
   `<output_rknn_path>(可选)`: 指定 RKNN 模型的保存路径，默认保存在与 ONNX 模型相同的目录中，文件名为 `yolov8.rknn`
 
+  :::tip
+  RK358X 用户 TARGET_PLATFORM 请指定 `rk3588` 平台
+  :::
+
 - 将 yolov8n.rknn 模型拷贝到板端
 
 ### 板端推理 YOLOv8

docs/common/dev/_rknn-toolkit2-pc.mdx

@@ -45,6 +45,9 @@
   `<dtype>`: 指定为 `i8` 或 `fp`。`i8` 用于 int8 量化，`fp` 用于 fp16 量化。默认为 `i8`
 
   `<output_rknn_path>`: 指定RKNN模型的保存路径，默认保存在与ONNX模型相同的目录中，文件名为 `yolov5s-seg.rknn`
+  :::tip
+  RK358X 用户 TARGET_PLATFORM 请指定 `rk3588` 平台
+  :::
 
 ## PC 真实推理 onnx 模型
 

docs/common/dev/_rknn-ultralytics.mdx

@@ -12,7 +12,10 @@
   ```bash
   pip3 install -U ultralytics
   ```
-- 使用 ultralytics 导出 yolov11 rknn 格式模型,
+- 使用 ultralytics 导出 yolov11 rknn 格式模型
+  :::tip
+  RK358X 用户 TARGET_PLATFORM 请指定 `rk3588` 平台
+  :::
 
     <Tabs>
 

docs/e/e54c/README.md

@@ -0,0 +1,163 @@
+---
+sidebar_position: 50
+sidebar_label: E54C
+---
+
+# 瑞莎 E54C - 高性能 AI 边缘网络计算设备
+
+## 产品概述
+
+Radxa E54C 是一款高性能边缘 AI 网络计算设备，专为智能路由、网络存储、边缘计算和 AI 应用场景设计。它采用紧凑的外形设计，集成了强大的网络功能和计算能力，成为各类网络应用和 AI 边缘计算的理想平台。
+
+基于瑞芯微 RK3582 处理器，E54C 提供了四个千兆以太网端口、灵活的存储扩展选项和丰富的接口，能够满足从简单的家庭网络到复杂的商业应用等广泛需求。
+
+## 产品外观
+
+<Tabs queryString="e54cmode">
+
+<TabItem value="E54C(带外壳)">
+
+<img src="/img/e/e54c/radxa-e54c.webp" width="800" alt="Radxa E54C 带外壳版本" />
+
+<div style={{textAlign: 'center', marginTop: '10px', marginBottom: '20px', fontSize: '14px', color: '#666'}}>E54C 铝合金外壳版本提供高效散热和坚固保护</div>
+
+</TabItem>
+
+<TabItem value="E54C(裸板)">
+
+<img src="/img/e/e54c/radxa-e54c-board.webp" width="800" alt="Radxa E54C 裸板版本" />
+
+<div style={{textAlign: 'center', marginTop: '10px', marginBottom: '20px', fontSize: '14px', color: '#666'}}>E54C 裸板版本展示了全部接口和组件布局</div>
+
+</TabItem>
+
+</Tabs>
+
+## 端口布局
+
+<img src="/img/e/e54c/e54c-ports-cn.webp" width="800" alt="Radxa E54C接口布局" />
+
+## 谁适合使用 E54C？
+
+E54C 专为以下用户设计：
+
+- **网络工程师和 IT 技术人员**：需要高性能多端口网络设备进行网络规划和管理
+- **系统集成商**：寻求可靠的网络计算平台进行定制解决方案开发
+- **企业与小型办公室**：需要稳定、高效的网络基础设施
+- **AI 开发者**：利用内置 NPU 开发和部署边缘 AI 应用
+- **智能家居爱好者**：构建高级网络和自动化系统
+
+## 购买选择
+
+瑞莎 E54C 提供多种配置以满足不同需求：
+
+| **配置**              | **推荐使用场景**                          |
+| --------------------- | ----------------------------------------- |
+| 2GB RAM + 无eMMC      | 入门级路由应用、基础网络管理              |
+| 4GB RAM + 32GB eMMC   | 家庭/小型办公室路由器、NAS服务器          |
+| 8GB RAM + 64GB eMMC   | 边缘AI计算、多WAN负载均衡、企业级路由应用 |
+| 16GB RAM + 128GB eMMC | 视频分析、边缘服务器、高性能计算          |
+
+所有型号均可外接M.2 NVMe SSD进行存储扩展，提供更高的存储性能和可靠性。
+
+## 主要特点
+
+- **强大处理性能**：采用瑞芯微 RK3582 处理器，双核 Cortex-A76 (最高 2.4GHz) 和四核 Cortex-A55 (最高 1.8GHz) 的 64 位处理器
+- **丰富网络连接**：配备 4 个千兆以太网端口，支持多WAN接入、负载均衡和复杂网络拓扑
+- **灵活存储方案**：支持 MicroSD 卡启动、可选板载 eMMC 和 M.2 NVMe SSD 高速存储扩展
+- **AI 加速能力**：内置 NPU，算力高达 5TOPs@INT8，支持主流AI框架和推理任务
+- **多功能接口**：提供 USB 3.0/2.0 接口、HDMI 2.1 输出（支持高达8K）和 GPIO 扩展接口
+- **高效散热设计**：铝合金外壳提供出色的被动散热性能，支持可选风扇主动散热
+- **多系统支持**：完全兼容 Debian、iStoreOS、OpenWrt 等多种 Linux 系统
+- **低功耗设计**：在保持高性能的同时优化功耗，适合 7x24 小时持续运行
+
+## 技术规格
+
+| **类别**     | **规格**                                                                     |
+| ------------ | ---------------------------------------------------------------------------- |
+| **SoC**      | 瑞芯微 RK3582，双核 Cortex-A76 (最高 2.4GHz) 和四核 Cortex-A55 (最高 1.8GHz) |
+| **NPU**      | 算力高达 5TOPs@INT8，支持主流AI推理框架                                      |
+| **内存**     | 2GB/4GB/8GB/16GB/32GB LPDDR4                                                 |
+| **板载存储** | 可选 eMMC：8GB/16GB/32GB/64GB/128GB                                          |
+| **存储扩展** | MicroSD 卡插槽 + M.2 M-Key 接口 (PCIe 2.1)，支持 NVMe SSD                    |
+| **以太网**   | 4 个千兆以太网端口 (WAN/LAN可配置)                                           |
+| **USB 接口** | 1 个 USB 3.0 Type-A + 2 个 USB 2.0 Type-A + 1个 USB 3.0 Type-C (OTG)         |
+| **视频输出** | HDMI 2.1 接口，支持高达 8K 分辨率                                            |
+| **GPIO**     | 14针扩展排针，支持 SPI、UART、I2C 和电源输出                                 |
+| **其他接口** | 风扇接口、RTC电池接口、电源按钮、Maskrom按钮、用户自定义按钮                 |
+| **供电方式** | DC 12V/2A，5.5 x 2.5mm 接口                                                  |
+| **操作系统** | 支持 Debian、iStoreOS、OpenWrt 等 Linux 系统                                 |
+| **工作温度** | 0°C ~ 70°C (标准版)                                                          |
+| **尺寸**     | 130 x 85 x 24mm (含外壳版本)                                                 |
+
+## 硬件接口布局
+
+<img src="/img/e/e54c/radxa-e54c-hardware-overview.webp" width="800" alt="E54C 硬件接口布局" />
+
+上图展示了E54C的主要硬件接口和组件布局，包括：
+
+1. 四个千兆以太网接口 (RJ45)
+2. USB 3.0/2.0 接口
+3. HDMI 2.1输出接口
+4. M.2 NVMe SSD插槽
+5. MicroSD卡插槽
+6. GPIO扩展接口
+7. 12V DC电源接口
+
+## 系统支持
+
+E54C 支持多种操作系统，可根据不同应用场景选择：
+
+### Debian Linux
+
+完整的Linux桌面环境，适合通用计算和开发需求：
+
+- 提供完整的软件包管理系统
+- 支持主流编程语言和开发工具
+- 适合进行应用开发和测试
+
+### iStoreOS
+
+基于OpenWrt的智能路由操作系统，专为网络应用优化：
+
+- 图形化Web管理界面，易于配置
+- 丰富的网络功能和应用插件
+- 支持多WAN负载均衡、智能QoS等高级功能
+
+### OpenWrt
+
+开源的路由器操作系统，适合高度定制化的网络需求：
+
+- 轻量级系统，运行高效
+- 灵活的网络配置
+- 支持各种网络服务和安全功能
+
+## 应用场景
+
+### 智能网络解决方案
+
+- **多WAN智能路由器**：利用四个千兆网口构建多WAN接入，实现负载均衡和链路备份
+- **高级防火墙**：配置细粒度访问控制和流量监控，保障网络安全
+- **VPN服务器/客户端**：支持OpenVPN、WireGuard等主流VPN协议，构建安全远程访问
+- **QoS流量控制**：优化带宽分配，确保关键应用获得优先处理
+
+### 边缘AI应用
+
+- **智能监控系统**：利用内置NPU进行视频分析和对象检测
+- **预测性维护**：处理传感器数据，在边缘进行分析和异常检测
+- **自然语言处理**：部署轻量级语音识别和处理模型
+- **机器视觉**：实现图像分类、对象检测等计算机视觉应用
+
+### 网络存储和多媒体
+
+- **NAS服务器**：利用M.2 NVMe SSD构建高性能网络存储解决方案
+- **媒体服务器**：搭建Plex、Jellyfin等媒体服务器
+- **内容缓存**：部署本地内容缓存，优化网络流量
+
+### 物联网管理
+
+- **智能家居控制中心**：管理各种智能家居设备和自动化场景
+- **物联网网关**：连接并管理多种物联网设备和传感器
+- **数据采集与分析**：收集传感器数据并进行本地处理和分析
+
+<DocCardList />

docs/e/e54c/_image.mdx

@@ -0,0 +1,18 @@
+import React, { Fragment } from "react";
+
+<ul>
+  <li style={{ display: `${props.loader ? "block" : "none"}` }}>
+    {" "}
+    <a href="https://dl.radxa.com/e/e54c/images/rk3582_spl_loader_v1.15.113.bin">
+      {" "}
+      Loader: rk3582_spl_loader_v1.15.113.bin{" "}
+    </a>
+  </li>
+  <li style={{ display: `${props.system_img ? "block" : "none"}` }}>
+    {" "}
+    <a href="https://dl.radxa.com/e/e54c/images/istoreos-22.03.7-2024101020-e54c-squashfs.img.gz">
+      {" "}
+      system image: istoreos-22.03.7-2024101020-e54c-squashfs{" "}
+    </a>
+  </li>
+</ul>

docs/e/e54c/app-development/README.md

@@ -0,0 +1,9 @@
+---
+sidebar_position: 8
+---
+
+# 应用开发
+
+主要介绍上层应用开发，比如 AI 应用，NPU开发等
+
+<DocCardList />

docs/e/e54c/app-development/artificial-intelligence/README.md

@@ -0,0 +1,9 @@
+---
+sidebar_position: 1
+---
+
+# 人工智能
+
+主要介绍使用 NPU 进行人工智能硬件加速的应用开发
+
+<DocCardList />

docs/e/e54c/app-development/artificial-intelligence/rk3582_npu_explanation.md

@@ -0,0 +1,10 @@
+---
+sidebar_position: 0
+description: "RK3582 NPU 平台指定使用说明"
+---
+
+# RK3582 NPU 平台指定说明
+
+import Rk3582npuexplantion from '../../../../common/dev/\_rk3586_npu_explanation.mdx';
+
+<Rk3582npuexplantion />

docs/e/e54c/app-development/artificial-intelligence/rkllm_deepseek_r1.md

@@ -0,0 +1,10 @@
+---
+sidebar_position: 9
+description: "使用 RKLLM 运行 DeepSeek-R1 大语言模型"
+---
+
+# RKLLM DeepSeek-R1
+
+import RKLLMDEEPSEEKR1 from '../../../../common/dev/\_rkllm-deepseek-r1.mdx';
+
+<RKLLMDEEPSEEKR1 />

docs/e/e54c/app-development/artificial-intelligence/rkllm_install.md

@@ -0,0 +1,10 @@
+---
+sidebar_position: 7
+description: "通过 RKLLM 安装，开启 LLM 模型在 Rockchip NPU 上的高效推理之旅，感受科技与人文的完美融合"
+---
+
+# RKLLM 安装
+
+import Rkllminstall from '../../../../common/dev/\_rkllm-install.mdx';
+
+<Rkllminstall />

docs/e/e54c/app-development/artificial-intelligence/rkllm_usage.md

@@ -0,0 +1,10 @@
+---
+sidebar_position: 8
+description: "RKLLM 详细使用文档"
+---
+
+# RKLLM 使用与大语言模型部署
+
+import Rkllmusage from '../../../../common/dev/\_rkllm-usage.mdx';
+
+<Rkllmusage />

docs/e/e54c/app-development/artificial-intelligence/rknn_install.md

@@ -0,0 +1,10 @@
+---
+sidebar_position: 1
+description: "通过 RKNN 安装，开启 AI 模型在 Rockchip NPU 上的高效推理之旅，感受科技与人文的完美融合"
+---
+
+# RKNN 安装
+
+import RKNNinstall from '../../../../common/dev/\_rknn-install.mdx';
+
+<RKNNinstall />

docs/e/e54c/app-development/artificial-intelligence/rknn_quick_start.md

@@ -0,0 +1,10 @@
+---
+sidebar_position: 2
+description: "通过简单例子验证 NPU 可用性"
+---
+
+# RKNN 快速例子
+
+import Rknntoolkit2 from '../../../../common/dev/\_rknn-toolkit2.mdx';
+
+<Rknntoolkit2 />