张小白的昇腾体验官日记

最近看了一系列非常好看的老电视剧，《李卫当官》、《李卫当官2》、《李卫辞官》和《李卫当官3之大内低手》，对于无官一身轻的张小白而言，昇腾团队突然邀请他当个官——没错，体验官也是官——他不禁吓了一跳！

其实张小白最近报名了CANN新版本的安装体验活动（ https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=146937 ），又不叫做体验师，又不叫做志愿者小白TWO或者小白鼠，只好用体验官来套住它而已。。。官字下面两个口，想必只是要求张小白多说罢了。

昇腾小助手给张小白推送了共享镜像：

用这个镜像来建立AI1S云服务器吧：

点击右边的申请服务器：

选择按需计费，X86，AI加速型，ai1s.large.4，点击下一步：

选择vpc，为了方便操作，选择 fullaccess安全组，选择全动态BGP，按流量计费，5M带宽，点击下一步：

设置密码，关注下费用，大约是1小时不到2块，还有带宽每G八毛左右，下一步确认配置：

点击立即购买：

返回云服务器列表，等待服务器创建完毕，并显示公网IP地址119.3.237.149：

使用MobaXterm连接服务器：

使用root登录成功后，如下所示：

根据体验报告模板第一页的要求：

打开 http://117.78.18.54:9002/software/cann/community

拖动页面到软件下载部分，选择 Linux-X86-ubuntu-18.04-获取安装命令：

将安装命令复制下来：

wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/CANN/5.0.3.alpha003/CANN-installer-5.0.3.alpha003-linux.x86_64.run

sh ./CANN-installer-5.0.3.alpha003-linux.x86_64.run

请注意，命令有2行，我们一行一行执行。

wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/CANN/5.0.3.alpha003/CANN-installer-5.0.3.alpha003-linux.x86_64.run

打开安装指导文档：

按照上面的要求做一些环境检查：

操作系统：

满足。

内核版本：

满足。

gcc编译版本和g++：

满足。

GLIBC版本：

满足。

Python

额，Python3.7.5的命令为：

满足。

尝试下安装相关的软件包：

好像速度不快，果断停止。

换apt源：

修改sources.list文件：

更新源：

。。。

在体验群里面观察到下面的安装依赖文档，有人用yum安装，感觉有问题：

手工提前试一下是否需要安装sqlite-devel:

apt-get install libsqlite3-dev

好像不需要。

再接着装别的系统依赖包：

apt-get install -y gcc g++ cmake make build-essential zlib1g-dev libbz2-dev libssl-dev libxslt1-dev libffi-dev

。。。

根据前面的python依赖表格，安装python 3.7.5的相关依赖：

看一下当前时间

张小白要开始安装CANN了。。。

弹出license页面：

输入accept，继续：

根据指导文档中提到的场景：

我们应该是用场景一。

选择options-Set Install Path：

输入（或 确认）安装路径：/usr/local/Ascend.

再点开select cann packages，选中所有的包吧:

点击continue,系统开始安装了：

时间有点长，耐心等待安装结束：

安装完毕，历时约24分钟，安装后，会残留一些安装包：

下面开始验证安装结果，参考安装体验模板：

我们选择官方样例验证方式，参考下面的连接：

https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

先去CANN的gitee仓库下载仓库：

进入相关的resnet目录：

根据前面链接的文档：

需要准备 2张图片，Caffe模型的相关文件等等。

先看图片：

https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg

https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/aclsample/dog2_1024_683.jpg

使用wget将这两个jpg文件拉取到 data目录：

然后到data目录下将jpg转换为bin:

建个models目录存放 caffe的模型文件和权重文件：

wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.caffemodel

wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.prototxt

准备执行atc模型转换，发现atc转换所需的模型路径为caffe_model. 将刚才的models目录改名为 caffe_model

再进入该目录，获取atc转换的cfg文件：

wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/resnet50/insert_op.cfg

创建model目录存放转换后的离线模型文件，执行模型转换：

发现报了个错。。。

因为前面一直在一个终端内操作，安装后，更新在~/.bashrc中的环境变量并没有生效，执行source ~/.bashrc后，重新执行atc模型转换：

模型转换成功了。

下面执行编译：

创建编译所需的目录：

mkdir -p build/intermediates/host

执行编译：

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

会生成以下文件：

执行make

会生成out目录下的main文件。

切换到 out目录，执行main文件。

这就完成了模型推理。

一日当体验官，终身受CANN的益。应该是这样的吧。。。

（全文完，谢谢阅读）

AI Python 昇腾 深度学习

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。