海思AI芯片(Hi3516DV300/CV500)开发(2.RuyiStudio安装)

海思AI芯片开发:RuyiStudio详细安装教程
本文介绍了海思AI芯片开发中RuyiStudio的安装过程,包括MinGW-W64和Python3.5+caffe环境的配置。详细阐述了编译链安装、Python环境配置及错误处理,提供了自动和手动配置的步骤。

目录

1、RuyiStudio介绍

2、RuyiStudio 安装

2.1 、编译链 MinGW-W64 安装

2.2、Python3.5+caffe 环境配置

3、错误提示说明

4、RuyiStudio调用


解压其中的 toolchain.part1.rar(part2会跟着自动解压 ) 、Hi3516C V500R001C02SPC011.rar 、ReleaseDoc.rar、SVP_PC.part1.rar。SDK包解压后如下图:

1、RuyiStudio介绍

RuyiStudio 集成 windows 版的 NNIE mapper、 Runtime mapper 和仿真库,具有生成NNIE wk 功能、 Runtime wk 功能和仿真 NNIE 功能,同时具有代码编辑、编译、调试、执行功能、网络拓扑显示、目标检测画框、向量相似度对比、调试定位信息获取
等功能。

mapper是文件格式转换的插件,将caffe的模型文件*.caffemodel转换成HISDK可以识别的*.wk数据文件。NNIE 的 mapper 目前仅支持 Caffe 框架,且以 Caffe-1.0 为基础。其他框架训练出来的模型文件,比如tensorflow,需要先将其转换成*.caffemodel,然后才能通过mapper生成*.wk数据文件。

2、RuyiStudio 安装

SVP_PC\HiSVP_PC_V1.2.2.2\tools\nnie\windows\目录下有一个 ruyi_env_setup-2.0.41的文件夹,可以进入该文件夹用脚本进行 mingw, python 及 caffe 的一键环境配置。本文提供一键脚本配置方法和手动配制方法。

在进行下一步安装前,最好新建一个文件夹RuyiStudio(名字自己取),然后将ruyi_env_setup-2.0.41拷贝到新建的文件夹下。

2.1 、编译链 MinGW-W64 安装

步骤 1

安装 wget,从 http://gnuwin32.sourceforge.net/packages/wget.htm 网页下载 wget 安装包(选择 Complete package, except sources),保存到新建的文件夹RuyiStudio下,如图1-1

                                                                                            图2-1

下载得到 wget-1.11.4-1-setup.exe,双击安装,将会得到一个GnuWin32文件夹。将 GnuWin32文件夹中wget.exe 所在目录(GnuWin32\bin)添加到用户环境变量 PATH 中,用于从网页下载相关包。建议在用户环境变量中,先创建一个变量名为 WGET_PATH 的环境变量,变量值即为 wget.exe 所在路径,然后再将%WGET_PATH%添加到用户环境变量 PATH 中

注意:

1)将 GnuWin32\bin 的路径配置用户环境变量PATH ,否则下一步执行会提示环境变量配置错误。

2)ruyi_env_setup-2.0.41和GnuWin32\bin所在文件夹路径不要中文字符,长度不要太长,否则环境变量超过1024个字符,导致配置失败。

步骤 2

点击ruyi_env_setup-2.0.41文件夹下的 setup_mingw.bat,就可以自动下载 mingw 和 msys 的安装包,解压到指定位置并配置环境变量。

2.2、Python3.5+caffe 环境配置

步骤 1

从 https://github.com/willyd/caffe-builder/releases 下载libraries_v140_x64_py35_1.1.0.tar.bz2 并放置在ruyi_env_setup-2.0.41文件夹下。如图2-1

                                                                                            图2-2

步骤 2

点击 ruyi_env_setup-2.0.41文件夹下的setup_python.bat 进行安装, setup_python.bat 脚本会调用 python_bat 文件夹下的setup_download_python.bat、 setup_extract_python.bat 和 setPath_python.bat,下载python, caffe 的依赖包,并配置环境变量。如果环境变量配置失败(如环境变量超过1024 个字符),或者在 win10 系统下配置系统环境变量,可参考手动安装的描述,进行手动配置(参考ReleaseDoc\zh\01.software\board\SVP\HiSVP 开发指南的第5小节RuyiStudio工具使用指南)

步骤 3

重新启动计算机。

3、错误提示说明

1)对于错误未成功下载的安装包,参照ruyi_env_setup-2.0.41夹下的requirements.txt下载未成功下载的包。除过caffe.zip, opencv_python-3.4.2.16-cp35-cp35m-win_amd64.whl和protobuf-3.6.1-cp35-cp35m-win_amd64.whl,其余包都是直接放到脚本创建的python35文件夹下进行解压。

2)caffe.zip需要放到python35\Lib\site-packages下解压,然后解压libraries_v140_x64_py35_1.1.0.tar.bz2,将 libraries\bin目录下的caffehdf5.dll,caffehdf5_hl.dll,caffezlib1.dll,glog.dll,libgcc_s_seh-1.dll,libgfortran-3.dll,libopenblas.dll,libquadmath-0.dll,VCRUNTIME140.dll,libraries\x64\vc14\bin目录下的opencv_core310.dll,opencv_imgcodecs310.dll,opencv_imgproc310.dll以及libraries\lib下的boost_chrono-vc140-mt-1_61.dll,boost_filesystem-vc140-mt-1_61.dll,boost_python-vc140-mt-1_61.dll,boost_system-vc140-mt-1_61.dll,boost_thread-vc140-mt-1_61.dll,gflags.dll拷贝到python35\Lib\site-packages\caffe\python\caffe文件夹下。

3)opencv_python-3.4.2.16-cp35-cp35m-win_amd64.whl, protobuf-3.6.1-cp35-cp35m-win_amd64.whl, Cython-0.28.5-cp35-cp35m-win_amd64.whl以及PyYAML-3.13-cp35-cp35m-win_amd64.whl需要从cmd进到python35目录下,用pip install filename指令进行安装(如pip install opencv_python-3.4.2.16-cp35-cp35m-win_amd64.whl)。

注意:usetup_python.bat, setup_mingw.bat, setup_roi_caffe.bat, caffe.zip, 7z.exe和7z.dll需要在同一目录下。

4、RuyiStudio调用

直接到..\SVP_PC\HiSVP_PC_V1.2.2.2\tools\nnie\windows,如所4-1所示

                                                                                            图4-1

解压缩RuyiStudio-2.0.41.zip,然后双击RuyiStudio.exe即可。

具体的RuyiStudio安装详情请参考ReleaseDoc\zh\01.software\board\SVP\HiSVP 开发指南第5节。


海思AI芯片(Hi3516DV300/CV500)开发(1.资料介绍)

### Hi3516DV300 YOLO 实现方案 #### 背景概述 Hi3516DV300 是一款由海思推出的嵌入式 AI 处理器,广泛应用于视频监控领域。其内置 NNIE(Neural Network Inference Engine),能够高效运行神经网络推理任务。YOLO(You Only Look Once)是一种实时目标检测算法,在嵌入式设备上的应用需求日益增长。 以下是基于 Hi3516DV300 的 YOLO 实现方案: --- #### 工程源码与工具链支持 可以参考开源项目 `hi3516dv300_nnie-yolov3-demo` 提供的工程源代码[^1]。该项目实现了 YOLOv3 在 Hi3516DV300 上的具体部署流程,包括模型转换、编译环境搭建以及实际测试案例。 --- #### SDK 内容说明 根据官方文档描述[^2],Hi3516DV300/CV500 SDK 中包含了以下核心组件: - **NNIE 推理引擎**:用于加载并运行经过优化的目标检测模型。 - **图像处理库**:提供基础的图像预处理功能,如缩放、裁剪等操作。 - **示例程序**:提供了多个针对不同应用场景的样例代码,便于开发者快速上手。 这些资源对于理解如何配置开发环境至关重要。 --- #### 完整实现路径 为了成功部署 YOLO 模型至 Hi3516DV300 平台,需遵循如下技术路线图][^[^34]: 1. **选择合适的 YOLO 版本** - 当前主流版本有 YOLOv3 和 YOLOv5。由于硬件兼容性和性能考量,推荐优先尝试 YOLOv3。 2. **模型转换** - 将训练好的 PyTorch 或 TensorFlow 格式的 YOLO 模型导出为 ONNX 文件。 ```bash python export.py --weights yolov3-spp.pt --img-size 640 --batch-size 1 ``` - 使用 Caffe 进一步将 ONNX 文件转化为 `.prototxt` 和 `.caffemodel` 文件。 3. **适配 NNIE 格式** - 利用 RuyiStudio 工具导入上述生成的 Caffe 模型文件,并将其转为适合 Hi3516DV300 的 `.wk` 模型格式。 - 继续通过交叉编译工具链把 `.wk` 文件进一步加工成最终所需的 `model.o` 文件形式。 4. **集成到应用程序中** - 修改 sam_comm_nnie.c 文件中的绘图逻辑部分来满足自定义显示效果的需求[^4]。 - 编写主控程序调用 NNIE API 执行预测过程,并解析返回的结果数据。 5. **验证与调试** - 借助 MobaXterm 等远程终端软件连接到开发板进行联调工作。 - 对整个流水线进行全面的功能性检验直至达到预期精度指标为止。 --- #### 总结 综上所述,借助公开可用的学习材料和技术手段完全可以顺利完成 Hi3516DV300 设备之上关于 YOLO 类别物体识别系统的构建作业。希望以上分享能给正在探索此方向的朋友带来一定启发作用! ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值