【昇腾CANN训练营第二期】第二课MindX SDK 云上安装与模型转换

网友投稿 1080 2022-05-29

1.环境准备(弹性云服务器)

打开控制台-弹性云服务器-选择购买弹性云服务器

计费方式选择按需计费

区域选择默认

可用区随机分配即可

cpu架构选择x86计算

规格 AI加速型  ai1s.large.4

镜像选择共享镜像

这里的镜像找小助手申请后需要自己在镜像服务里面选择接受才可以, 接收之后这里创建弹性云服务器时才能够找到学习用的镜像

系统盘选择 通用型SSD 40G

然后点击下一步

网络选择默认vpc

安全组默认

弹性公网IP 现在购买

线路默认

公网宽带选择按流量计费

带宽大小选择100

然后点击下一步高级配置

输入密码 其他默认

其他默认,点击下一步确认配置

勾选同意之后点击立即购买

之后点击返回云服务器列表 等待云服务器创建完成

在云服务器列表看到我们刚刚创建的云服务器成功之后就可以进行远程登录 安装我们所需要的环境了

2.MindX SDK 云上安装

点击远程登录 这里我们用华为云自带的cloudshell进行操作

输入密码连接远程服务器

输入密码后点击连接  进入云服务器

由于我们的环境在/home/HwHiAiUser/MindX  所以我们先进入这个目录

cd /home/HwHiAiUser/MindX

执行如下命令,校验套件包的一致性和完整性:

./Ascend-mindxsdk-mxvision_2.0.1_linux-x86_64.run --check

若显示如下信息,说明套件包满足一致性和完整性:

Verifying archive integrity... 100% SHA256 checksums are OK. All good.

创建MindX SDK开发套件包的安装路径 这里不指定安装路径,直接安装到MindX SDK开发套件包所在的路径即可

执行如下命令进行MindX SDK安装

./Ascend-mindxsdk-mxvision_2.0.1_linux-x86_64.run --install

安装完成后,若显示如下信息,则表示软件成功安装于指定或默认路径下:

Uncompressing ASCEND MINDXSDK RNN PACKAGE 100%

在当前窗口手动执行以下命令,让MindX SDK的环境变量生效。

source ~/.bashrc

到这里完成MindX SDK开发套件安装

3.模型转换

我们这里需要先下载yolov3 模型 我们将这个模型放到MindX目录下 我们先进入这个目录 在当前目录输入cd yolov3 进入yolov3模型目录

下载yolov3模型

wget --no-check-certificate https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/turing/resourcecenter/model/YoloV3/zh/1.1/ATC_YoloV3_from_Tensorflow_Ascend310.zip

【昇腾CANN训练营第二期】第二课MindX SDK 云上安装与模型转换

解压ATC_YoloV3_from_Tensorflow_Ascend310.zip

unzip ATC_YoloV3_from_Tensorflow_Ascend310.zip

创建aipp文件

aipp_yolov3_416_416.aippconfig

aipp_op { aipp_mode : static related_input_rank : 0 input_format : YUV420SP_U8 src_image_size_w : 416 src_image_size_h : 416 crop : false csc_switch : true rbuv_swap_switch : false matrix_r0c0 : 256 matrix_r0c1 : 0 matrix_r0c2 : 359 matrix_r1c0 : 256 matrix_r1c1 : -88 matrix_r1c2 : -183 matrix_r2c0 : 256 matrix_r2c1 : 454 matrix_r2c2 : 0 input_bias_0 : 0 input_bias_1 : 128 input_bias_2 : 128 var_reci_chn_0 : 0.0039216 var_reci_chn_1 : 0.0039216 var_reci_chn_2 : 0.0039216 }

vi  aipp_yolov3_416_416.aippconfig  然后在文件里写入上面信息

然后esc 之后输入:wq保存退出

转换模型

atc --model=./yolov3_tf.pb --framework=3 --output=./yolov3_tf_bs1_fp16 \ --soc_version=Ascend310 --insert_op_conf=./aipp_yolov3_416_416.aippconfig \ --input_shape="input/input_data:1,416,416,3" \ --out_nodes="conv_lbbox/BiasAdd:0;conv_mbbox/BiasAdd:0;conv_sbbox/BiasAdd:0"

转换完成

API/SDK 昇腾 机器学习

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:【干货分享】使用Redis的用户要请往这瞅瞅,小心数据泄漏!
下一篇:php5 apache2.2 mysql5 集成
相关文章