香橙派AIpro快速上线——纯小白体验版本！！！

苦瓜汤补钙

已于 2024-05-29 17:12:06 修改

阅读量1.2k

点赞数 12

分类专栏：环境感知的升级之旅文章标签：学习 opencv python

于 2024-05-29 16:24:11 首次发布

本文链接：https://blog.youkuaiyun.com/qq_53589322/article/details/139266096

版权

环境感知的升级之旅专栏收录该内容

13 篇文章

订阅专栏

前言

香橙派AIpro+ubuntu系统+32G sd卡

香橙派AIpro开发板采用昇腾AI技术路线，接口丰富且具有强大的可扩展性，提供8/20TOPS澎湃算力，可广泛使用于AI边缘计算、深度视觉学习及视频流AI分析、视频图像分析、自然语言处理等AI领域。通过昇腾CANN软件栈的AI编程接口，可满足大多数AI算法原型验证、推理应用开发的需求。

AscendCL（Ascend Computing Language，昇腾计算语言）是昇腾计算开放编程框架，是对底层昇腾计算服务接口的封装，提供Device管理、Context管理、Stream管理、内存管理、模型加载与执行、算子加载与执行、媒体数据处理等API，支持C&C++、Python编程语言，能够实现深度学习推理计算、图形图像预处理、单算子加速计算等能力。

掌握了AscendCL的编程方法，就意味着可以在香橙派AIpro开发板上充分利用昇腾的算力资源，能够基于深度学习算法开发图片分类、目标检测等一系列深度学习推理计算程序。

一、快速上线

wifi或者网线连接网络

官网的样例测试

在服务器任意目录下获取sample仓代码（以/home目录为例）

apt-get install git

git config --global http.sslVerify "false"

git clone https://gitee.com/ascend/samples.git

进入“样例目录”，下文中的“样例目录”均指“samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification”目录

cd samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

获取ResNet-50原始模型

pip3 install Pillow

mkdir -p caffe_model

将获取的模型文件和权重文件上传至创建的“caffe_model”目录

在“样例目录”下执行如下命令，将ResNet-50原始模型转换为适配昇腾AI处理器的离线模型（*.om文件）

atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=model/resnet50 --soc_version=Ascend310P3 --input_format=NCHW --input_fp16_nodes=data --output_type=FP32 --out_nodes=prob:0

解决模型转换问题的步骤

使用的是香橙派AI Pro开发板，运行的是Ubuntu 22.04.3 LTS操作系统，并且正在尝试使用昇腾AI技术和CANN（Compute Architecture for Neural Networks）软件栈进行模型转换。

模型转换过程中系统卡死可能有多种原因。以下是一些解决问题的方法：

1. 检查系统资源：

- 确保系统有足够的资源（CPU、内存、存储）来处理转换过程。显示我的系统有7.4 GiB的内存，通常应该足够，但可能存在有其他占用资源较多的进程在同时运行。

2. ATC命令参数：

- 确认提供给`atc`命令的所有参数是否正确并适合您的硬件和模型。
- 例如，确保`--soc_version=Ascend310P3`适用于自己的设备。如果不适用，请根据实际情况进行调整。

3. CANN和Ascend工具包安装：

- 确保正确安装了CANN和Ascend工具包，并正确设置了所有环境变量。
- 检查安装的软件版本，确保兼容性。

4. 模型文件：

- 验证`resnet50.prototxt`和`resnet50.caffemodel`文件的完整性和兼容性。
- 确保这些文件正确放置在`caffe_model`目录中，并且转换工具可以访问这些文件。

5. 日志和调试：

- 查看ATC工具生成的日志（如果有），以识别具体的错误或警告。
- 可以通过在`atc`命令中添加`--log=debug`来启用详细日志记录，以获取更详细的输出。

6. 依赖项：

- 确保所有必要的依赖项已安装并且是最新的。这包括Python包如Pillow以及ATC工具所需的系统库。

如果系统卡死

- 监控资源使用情况：使用系统监控工具在转换过程中检查CPU和内存的使用情况。
- 在Screen/Tmux会话中运行：如果系统容易卡死，可以在分离会话中运行命令，这样即使主终端无响应，也可以监控日志。

在“样例目录/data”目录下准备样例图片，如果data目录不存在，可在“样例目录”下执行mkdir -p data命令创建。

cd data

wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg --no-check-certificate

wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog2_1024_683.jpg --no-check-certificate

执行下列代码，将jpg转换成bin文件

python3 ../script/transferPic.py

在“样例目录”下执行如下命令配置环境变量

export DDK_PATH=/usr/local/Ascend/ascend-toolkit/latest

export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub

在“样例目录”下执行如下命令编译可执行文件。

mkdir -p build/intermediates/host

cd build/intermediates/host

cmake ../../../src -DCMAKE_CXX_COMPILER=g++ -DCMAKE_SKIP_RPATH=TRUE

make

/out目录下，执行如下命令运行编译的文件

./main

模型转换失败的话，就会出现上图所示情况！！！

成功的话就是这样的！！！这部分是在

二、usb摄像头测试

gitclone源码

git clone https://gitee.com/ascend/EdgeAndRobotics.git

安装FFmpeg。

sudo apt-get install ffmpeg libavcodec-dev libswscale-dev libavdevice-dev

装OpenCV。

sudo apt-get install libopencv-dev

进入样例目录

/home/HwHiAiUser/EdgeAndRobotics/Peripherals/Camera/USBCamera/

编译样例源码。执行编译命令

注意！！！需要将main.cpp文件中摄像头的具体参数改成你的实际的摄像头参数！！不然无法正常采集数据！原始的分辨率是1280*720，我的是640*480

g++ main.cpp -o main -lavutil -lavformat -lavcodec -lavdevice

编译命令执行成功后，在USBCamera样例目录下生成可执行文件main。

运行样例，从Camera获取图像。

运行可执行文件，其中/dev/video0表示Camera设备，需根据实际情况填写：

./main /dev/video0

运行成功后，在USBCamera样例目录下生成yuyv422格式、640*480分辨率的out.yuv文件。

当把一个摄像头插入开发板后，执行ls /dev/vi*命令可看到摄像头的vedio节点。这里出现了两个设备节点：/dev/video0、/dev/video1，是因为一个是图像/视频采集，一个是metadata采集，因此本样例中在运行可执行文件时，选择图像/视频采集的设备节点/dev/video0。

检查从Camera获取的图像。

执行如下命令，使用FFmpeg软件查看图像：

ffplay -pix_fmt yuyv422 -video_size 640*480 out.yuv

图片看上去不太清晰是因为我的摄像头的问题

三、总结

模型转换

昇腾张量编译器（Ascend Tensor Compiler，简称 ATC）是昇腾 CANN 架构体系下的模型转换工具
ATC工具可将开源框架的网络模型（如TensorFlow等）转换为昇腾Al处理器支持的离线模型。支持原始框架类型为Caffe、TensorFlow、MindSpore、ONNX的模型转换，其中ONNX可以看做是一个中间模型，如果其他模型可以转换为ONNX模型那么也可以在使用ATC进行模型转换，例如pytorch模型转换为ONNX模型，ONNX模型再转换为.om文件。
这个部分是我本人特别喜欢的功能！

小结

因为本人基本上属于完全小白，之前只玩过X3板卡，所以本次我也只测试了两张板卡的相同的功能部分！进入系统界面后，空白处滑动鼠标滚轮可以实现切屏，非常丝滑。我目前就试了两个基本的功能，模型转换因为整体系统完全卡死了无法成功转换后续也没有再去跟进了，不过我有把大致的问题解决思路列出来，大家有兴趣的可以看看。usb相机的测试拍摄图片完全ok，不过这种基础功能的实现基本上都差不多。关于散热，相比于X3板卡，加上官网的散热器的香橙派的散热性能更佳！