【环境配置】Ubuntu18.04配置高通骁龙神经处理引擎（SNPE）

陈成不姓丞

已于 2022-10-19 10:46:19 修改

阅读量4.8k

点赞数 1

分类专栏：环境配置文章标签： tensorflow python 人工智能 ubuntu caffe

于 2022-01-19 22:40:39 首次发布

本文链接：https://blog.csdn.net/qq_42775328/article/details/122590167

版权

环境配置专栏收录该内容

8 篇文章 0 订阅

订阅专栏

需求

需要使用高通骁龙神经处理引擎（SNPE）进行手机App的开发，这是一个充分利用高通处理器并行计算能力的框架，旨在通过高通骁龙移动平台丰富的计算资源，为开发者提供更快的神经网络推理。根据官方手册，需要以下配置：
环境：Ubuntu18.04
平台：Android Studio
依赖项：
Tensorflow、Caffe
Android SDK（通过 Android Studio 安装或单独安装）
Android NDK（android-ndk-r17c-linux-x86)（通过 Android Studio SDK Manager 安装或作为独立的）

1.安装Ubuntu18.04和Python

首先安装Ubuntu18.01环境和Python，这里需要保证默认调用的是Python3.x的版本。

调整Python版本

如果默认的不是Python3.x的版本，需要进行调整。
在这里插入图片描述
进入/usr/bin目录下，输入ls -l | grep python显示所有名字中包含python的文件，可以发现发现电脑中有Python3.6的版本，但是python默认调用Python2.7。

修改python的指向即可。

sudo rm -rf python
sudo ln -s /usr/bin/python3 /usr/bin/python

在这里插入图片描述

2.安装SNPE

安装SNPE的依赖项

sudo apt-get install python3-dev python3-matplotlib python3-numpy python3-protobuf python3-scipy python3-skimage python3-sphinx wget zip

通过source bin/dependencies.sh和source bin/check_python_depends.sh检查是否全部依赖项安装完全，如果没有就单独安装（如果下载超时，及时更换镜像源）。
下图中出现缺少python-protobuf的情况，通过单独安装解决问题。
在这里插入图片描述

全部安装完成后，应该如下所示。

请添加图片描述

3.安装TensorFlow和Caffe

直接安装cpu版的TensorFlow和Caffe，然后进行测试。

sudo apt-get install tensorflow
sudo apt-get install caffe-cpu

请添加图片描述

Caffe出现问题，原因是在安装其他库的过程中，numpy库的版本变了，只需升级一下scikit-image库就可以解决。

pip install -U scikit-image

在这里插入图片描述

4.配置TensorFlow和SNPE

通过pip show -f tensorflow | grep Location获取TensorFlow的安装位置。
在这里插入图片描述
设置 TensorFlow SNPE 环境。

source bin/envsetup.sh -t /usr/local/lib/python3.6/dist-packages/tensorflow/

测试是否配置成功，如果打印出help，则完成配置。
在这里插入图片描述

5.使用SNPE 推理 InceptionV3

（1）下载 inception_v3并解压

wget https://storage.googleapis.com/download.tensorflow.org/models/inception_v3_2016_08_28_frozen.pb.tar.gz
tar -zxvf inception_v3_2016_08_28_frozen.pb.tar.gz
mv inception_v3_2016_08_28_frozen.pb inception_v3.pb

（2）将inception_v3.pb转化为SNPE支持的DLC模型格式 inception_v3.dlc

snpe-tensorflow-to-dlc -i inception_v3.pb -d input 1,299,299,3 --out_node InceptionV3/Predictions/Reshape_1

在这里插入图片描述

（3）准备input数据和验证脚本

# 生成数据
python3 $SNPE_ROOT/models/inception_v3/scripts/setup_inceptionv3.py -a ~/tmpdir -d
# copy 数据到当前测试目录
cp $SNPE_ROOT/models/inception_v3/data . -r
# copy 后处理脚本
cp $SNPE_ROOT/models/inception_v3/scripts/show_inceptionv3_classifications.py .

在这里插入图片描述

(4) 在当前Ubuntu 环境下用SNPE推理　inception_v3

（５）查看推理结果