Atlas200 RC模式下容器推理构建与部署

已于 2023-07-26 15:26:15 修改
阅读量1k 收藏 6
点赞数 1
分类专栏： docker 文章标签： 容器 docker 运维
于 2022-02-22 17:58:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shiner_chen/article/details/123073920
版权

Atlas200 RC模式下容器推理构建与部署

1. 构建推理容器镜像

1.1 前提条件

  • 容器场景，需用户自行安装docker（版本要求大于等于18.03）。

  • 容器OS镜像可从Docker Hub拉取。

  • 请按照

    表1-1

    所示，获取离线推理引擎包与业务推理程序压缩包。

    表1-1 所需软件

    软件包说明获取方法
    Ascend-cann-nnrt_{version}_linux-aarch64.run离线推理引擎包。*{version}*表示软件包版本。获取链接获取链接
    Dockerfile制作镜像需要。用户根据业务自行准备
    ascend_install.info软件包安装日志文件从host拷贝“/etc/ascend_install.info”文件。以实际路径为准。
    version.infodriver版本信息文件从host拷贝"/var/davinci/driver/version.info"文件。以实际路径为准。
    业务推理程序压缩包业务推理程序合集，支持tar、tgz格式。业务推理程序的压缩包格式，应为容器内自带的压缩程序支持的格式，且install.sh中解压业务推理程序压缩包的命令请根据实际格式适配。**说明：**容器内的运行用户需具备业务推理程序压缩包的相关权限。用户根据业务自行准备
    install.sh业务推理程序的安装脚本。
    run.sh业务推理程序的运行脚本。

1.2. 操作步骤

  1. 将准备的软件包上传到Atlas 200 AI加速模块的同一目录（如“/home/test”）。我这里采用的是21.0.3.1大版本中的Ascend-cann-nnrt_5.0.3.1_linux-aarch64.run版本
  • Ascend-cann-nnrt_5.0.3.1_linux-aarch64.run
  • ascend_install.info
  • version.info
  • 业务推理程序压缩包

  1. 执行以下步骤准备dockerfile文件。

    1. 以root用户登录Atlas 200 AI加速模块，执行id HwHiAiUser命令查询并记录宿主机上HwHiAiUser用户的UID和GID。

    2. 进入 1 中软件包上传目录，执行以下命令创建dockerfile文件（文件名示例“Dockerfile”）。

      vi Dockerfile

    3. 写入以下内容后执行

      :wq

      命令保存内容，内容以Ubuntu Arm操作系统为例。（以下内容仅为编写示例，请用户根据实际情况结合自身理解进行二次开发）

      #操作系统及版本号，根据实际修改
  FROM ubuntu:18.04
  
  #设置离线推理引擎包参数
  ARG NNRT_PKG
  
  #设置环境变量
  ARG ASCEND_BASE=/usr/local/Ascend
  
  ENV LD_LIBRARY_PATH=\
  $LD_LIBRARY_PATH:\
  $ASCEND_BASE/nnrt/latest/lib64:\
  /usr/lib64
  
  ENV ASCEND_AICPU_PATH=$ASCEND_BASE/nnrt/latest
  
  #设置进入启动后的容器的目录，本示例以root用户运行为例，如果想使用非root用户运行，可将命令改为WORKDIR /home
  WORKDIR /root
  #拷贝离线推理引擎包
  COPY $NNRT_PKG .
  COPY ascend_install.info /etc/
  RUN mkdir -p /var/davinci/driver
  RUN mkdir -p /usr/lib64/aicpu_kernels
  COPY version.info /var/davinci/driver
  #安装离线推理引擎包
  RUN umask 0022 && \
      groupadd -g gid HwHiAiUser && useradd -g HwHiAiUser -d /home/HwHiAiUser -m HwHiAiUser && usermod -u uid HwHiAiUser &&\
      chmod +x ${NNRT_PKG} &&\
      ./${NNRT_PKG} --quiet --install &&\
      rm ${NNRT_PKG}
  #拷贝业务推理程序压缩包、安装脚本与运行脚本
  ARG DIST_PKG
  COPY $DIST_PKG .
  COPY install.sh .
  COPY run.sh /usr/local/bin/
  
  #运行安装脚本
  RUN chmod +x /usr/local/bin/run.sh && \
      sh install.sh && \
      rm $DIST_PKG && \
      rm install.sh
  
  #创建驱动进程访问目录
  RUN mkdir –p /usr/slog
  #RUN mkdir –p /run/driver
  #RUN mkdir –p /var/driver
  
  #修改目录权限（非root用户运行时需要修改）
  #RUN chown –R HwHiAiUser: HwHiAiUser /usr/slog/
  #RUN chown –R HwHiAiUser: HwHiAiUser /var/driver/
  #USER HwHiAiUser

    Dockerfile中

    groupadd -g gid HwHiAiUser && useradd -g HwHiAiUser -d /home/HwHiAiUser -m HwHiAiUser && usermod -u uid HwHiAiUser &&\

    为在容器内创建HwHiAiUser用户。gid、uid为宿主机上HwHiAiUser用户的UID和GID，用户可根据 2.1自行替换，容器内的HwHiAiUser用户的UID和GID需要和宿主机保持一致。

    1. 在创建Dockerfile文件后，执行以下命令修改Dockerfile文件权限。

      chmod 600 Dockerfile

    2. “install.sh”脚本与“run.sh”脚本文件准备与dockerfile文件准备操作一致，文件内容如编写示例所示。

  2. 进入软件包所在目录，执行以下命令，构建容器镜像。

    docker build -t image-name:tag **–build-arg NNRT_PKG=**nnrt-name **–build-arg DIST_PKG=**distpackage-name .

    注意不要遗漏命令结尾的“.”，命令解释如所表1-2示。

    表1-2 命令参数说明

    参数说明
    image-name:tag镜像名称与标签，用户可自行设置。
    –build-arg指定dockerfile文件内的参数。
    NNRT_PKGnnrt-name为离线推理引擎包名称，注意不要遗漏文件后缀，请用户自行更换。
    DIST_PKGdistpackage-name为业务推理程序压缩包名称，注意不要遗漏文件后缀，请用户自行更换。

    当出现“Successfully built xxx”表示镜像构建成功。

  3. 构建完成后，执行以下命令查看镜像信息。

    docker images

    显示示例：

    REPOSITORY          TAG                 IMAGE ID            CREATED             SIZE
atlas200-rc-infer   21.0.3              1372d2961ed2        About an hour ago   249MB

1.3.编写示例

install.sh编写示例（请根据实际情况编写）：

#!/bin/bash
#进入容器工作目录，本示例以root用户运行为例，如果想使用非root用户运行，可将命令改为cd /home
cd /root
#解压业务推理程序压缩包，请根据压缩包格式适配
tar xf dist.tar

run.sh编写示例（请根据实际情况编写）：

#!/bin/bash

#安装后配置
source ~/.bashrc
. /usr/local/Ascend/nnrt/set_env.sh

#启动slogd守护进程
/var/slogd

#启动DMP（设备管理）守护进程
/var/dmp_daemon -I -U 8087 &

#进入业务推理程序的可执行文件所在目录（本示例以root用户运行为例，如果想使用非root用户运行，可将命令改为cd /home/dist）
cd /root/dist
#运行可执行文件
./main -i test.jpg

2. 部署推理容器

根据本文档，我生成了一个21.0.3.1版本的Docker image，你可以通过以下的命令下载到你的DLAP221设备，前提是你的系统版本也是21.0.3.1。

$docker pull shinerchen/atlas200-rc-infer:21.0.3

2.1. 操作步骤

  1. 以root用户登录Atlas 200 AI加速模块。

  2. 执行以下命令启动容器镜像（用户请根据实际情况修改）。

docker run -u root -it \
--device=/dev/davinci0 \
--device=/dev/davinci_manager \
--device=/dev/ascend_manager \
--device=/dev/svm0 \
--device=/dev/log_drv \
--device=/dev/event_sched \
--device=/dev/upgrade \
--device=/dev/hi_dvpp \
--device=/dev/memory_bandwidth \
--device=/dev/ts_aisle \
-v /usr/local/Ascend/driver/tools:/usr/local/Ascend/driver/tools \
-v /usr/local/Ascend/driver/lib64:/usr/local/Ascend/driver/lib64 \
-v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi \
-v /var/hdc_ppc:/var/hdc_ppc \
-v /etc/hdcBasic.cfg:/etc/hdcBasic.cfg \
-v /sys:/sys \
-v /etc/sudoers:/etc/sudoers/ \
-v /etc/sys_version.conf:/etc/sys_version.conf \
-v /usr/lib64/aicpu_kernels:/usr/lib64/aicpu_kernels \
-v /var/log/npu/conf/slog/slog.conf:/var/log/npu/conf/slog/slog.conf \
 atlas200-rc-infer:21.0.3 \
 /bin/bash -c "/usr/local/Ascend/driver/tools/minirc_container_prepare.sh;/bin/bash"

docker run -it --device=/dev/davinci0 --device=/dev/davinci_manager --device=/dev/svm0 --device=/dev/log_drv --device=/dev/event_sched --device=/dev/upgrade --device=/dev/hi_dvpp --device=/dev/memory_bandwidth --device=/dev/ts_aisle -v /usr/local/Ascend/driver/tools:/usr/local/Ascend/driver/tools -v /usr/local/Ascend/driver/lib64:/usr/local/Ascend/driver/lib64 -v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi -v /var/hdc_ppc:/var/hdc_ppc -v /etc/hdcBasic.cfg:/etc/hdcBasic.cfg -v /etc/rc.local:/etc/rc.local -v /sys:/sys -v /usr/bin/sudo:/usr/bin/sudo -v /usr/lib/sudo/:/usr/lib/sudo/ -v /etc/sudoers:/etc/sudoers/ -v /etc/sys_version.conf:/etc/sys_version.conf atlas200-rc-infer:21.0.3 /bin/bash -c “/usr/local/Ascend/driver/tools/minirc_container_prepare.sh;/bin/bash”

如果以非root用户运行，请将以上命令中的**-c "/usr/local/Ascend/driver/tools/minirc_container_prepare.sh;/bin/bash"修改为-c “sudo /usr/local/Ascend/driver/tools/minirc_container_prepare.sh;/bin/bash”**

注意：不同的NNRT版本，docker run后续跟的指令会有所不同！同时尽量保持容器Image使用的NNRT版本与Host上使用的NNRT的版本一致！！

执行以上命令后，进入“/usr/local/bin”目录，执行run.sh脚本。

表2-12 参数解释

参数参数说明
–device表示映射的设备，davinci0需要根据实际设备名称修改。如果需要映射多个芯片，需要配置多个参数如：–device=/dev/davinci0 --device=/dev/davinci1。
atlas200-rc-infer 21.0.3生成的镜像文件。

说明

本版本支持多个容器挂载同一块芯片：

  • 建议最多不超过16个容器。

  • 各容器通过抢占方式获取芯片算力，不支持内存隔离和算力切分。

  • 默认关闭device共享模式：

    • 请在宿主机上执行以下命令开启device共享：

      npu-smi set -t device-share -i 0 -c 0 -d 1

      可执行以下命令查询device共享状态：

      npu-smi info -t device-share -i 0 -c 0

      重启或升级后多容器共享功能关闭。

    • 应用程序可调用DCMI接口开启，详情请参考《Atlas 200 AI加速模块 1.0.11及以上DCMI API参考》。

2.2. 启动推理

在容器的命令行中运行一下命令：

root@5d463645f1f2:~# run.sh
[Info ][2022-02-22 17:48:09:829320][ResourceManager.cpp InitResource:75] Initialized acl successfully.
[Info ][2022-02-22 17:48:09:896460][ResourceManager.cpp InitResource:84] Open device 0 successfully.
[Info ][2022-02-22 17:48:09:898240][ResourceManager.cpp InitResource:91] Created context for device 0 successfully
[Info ][2022-02-22 17:48:09:902650][ResourceManager.cpp InitResource:102] Init resource successfully.
[Info ][2022-02-22 17:48:09:902953][AclProcess.cpp InitResource:118] Created the acl context successfully.
[Info ][2022-02-22 17:48:09:903586][AclProcess.cpp InitResource:124] Created the acl stream successfully.
[Info ][2022-02-22 17:48:09:918111][ModelProcess.cpp Init:240] ModelProcess:Begin to init instance.
[Info ][2022-02-22 17:48:10:227129][AclProcess.cpp InitModule:87] Initialized the model process module successfully.
[Info ][2022-02-22 17:48:10:239245][AclProcess.cpp InitModule:92] Initialized the cast operator successfully.
[Info ][2022-02-22 17:48:10:239539][AclProcess.cpp InitModule:97] Initialized the argMax operator successfully.
[Info ][2022-02-22 17:48:10:241033][AclProcess.cpp InitModule:103] Loaded label successfully.
[Info ][2022-02-22 17:48:10:253339][AclProcess.cpp WriteResult:278] inference output index: 384
[Info ][2022-02-22 17:48:10:253603][AclProcess.cpp WriteResult:280] classname:  384: 'indri, indris, Indri indri, Indri brevicaudatus',
[Info ][2022-02-22 17:48:10:254320][AclProcess.cpp Process:465] [Process Delay] cost: 12.6347ms.
[Info ][2022-02-22 17:48:10:256725][ModelProcess.cpp DeInit:150] Model[resnet50][0] deinit begin
[Info ][2022-02-22 17:48:10:266301][ModelProcess.cpp DeInit:189] Model[resnet50][0] deinit success
[Info ][2022-02-22 17:48:10:275032][ResourceManager.cpp Release:44] Finalized acl successfully.
root@5d463645f1f2:~# npu-smi info
+------------------------------------------------------------------------------+
| npu-smi 21.0.3.1                     Version: 21.0.3.1                       |
+-------------------+-----------------+----------------------------------------+
| NPU     Name      | Health          | Power(W)          Temp(C)              |
| Chip    Device    | Bus-Id          | AICore(%)         Memory-Usage(MB)     |
+===================+=================+========================================+
| 0       310       | OK              | 12.8              47                   |
| 0       0         | NA              | 0                 4751 / 8192          |
+===================+=================+========================================+
root@5d463645f1f2:~#

3. Q&A

问题1：

发现运行docker image后，直接运行npu-smi info发生以下错误，找不到NPU设备

root@f75549a927c5:~# npu-smi info
[ERROR] DRV(12,npu-smi):2021-08-07-05:33:53.405.381 [dm_udp.c:84][dmp] [__dm_send_msg 84] sendmsg fail:No such file or directory.
[ERROR] DRV(12,npu-smi):2021-08-07-05:33:53.406.195 [dm_udp.c:129][dmp] [__dm_udp_send 129] __dm_send_msg: sendto fail.errno=2
[ERROR] DRV(12,npu-smi):2021-08-07-05:33:53.406.258 [dm_msg_intf.c:734][dmp] [dm_send_req 734] failed call intf->send_msg, ret = 2
[ERROR] DRV(12,npu-smi):2021-08-07-05:33:53.406.323 [dsmi_common.c:566][dmp] [dsmi_send_msg_rec_res 566] call dev_mon_send_request error:27.
[ERROR] DRV(12,npu-smi):2021-08-07-05:33:53.406.386 [dsmi_dmp_command.c:644][dmp] [dsmi_cmd_get_board_id 644] dev(0) dsmi_send_msg_rec_res failed, ret = 27.
[ERROR] DRV(12,npu-smi):2021-08-07-05:33:53.406.441 [dsmi_common_interface.c:1357][dmp] [dsmi_get_board_id 1357] devid 0 dsmi_cmd_get_board_id failed 27
[ERROR] DRV(12,npu-smi):2021-08-07-05:33:53.406.494 [dsmi_common_interface.c:1410][dmp] [dsmi_get_board_info 1410] devid 0 dsmi_board_id call error ret = 27!
+------------------------------------------------------------------------------+
| npu-smi 21.0.3.1                     Version: 21.0.3.1                       |
+-------------------+-----------------+----------------------------------------+
| NPU     Name      | Health          | Power(W)          Temp(C)              |
| Chip    Device    | Bus-Id          | AICore(%)         Memory-Usage(MB)     |
+===================+=================+========================================+
| 0       310       | OK              | 12.8              47                   |
| 0       0         | NA              | 0                 4751 / 8192          |
+===================+=================+========================================+
解决方法：

运行以下命令，或者先运行“run.sh"，做一次推理，run.sh脚本中有调用以下命令。

root@a0784e7df16a:~# mkdir -p /usr/slog
root@a0784e7df16a:~# /var/slogd &
root@a0784e7df16a:~# mkdir -p /run/driver
root@a0784e7df16a:~# /var/dmp_daemon -I -U 8087 &
root@a0784e7df16a:~# npu-smi info
+------------------------------------------------------------------------------+
| npu-smi 21.0.3.1                     Version: 21.0.3.1                       |
+-------------------+-----------------+----------------------------------------+
| NPU     Name      | Health          | Power(W)          Temp(C)              |
| Chip    Device    | Bus-Id          | AICore(%)         Memory-Usage(MB)     |
+===================+=================+========================================+
| 0       310       | OK              | 12.8              47                   |
| 0       0         | NA              | 0                 4751 / 8192          |
+===================+=================+========================================+
问题2：

我们测试发现偶尔有docker service无法启动的问题，登录以后可以手动启动。

解决方法：

分析有可能是某些依赖的服务没有完全起来，导致的，所以我修改了docker的启动方式，修改/lib/systemd/system/docker.service文件，将启动的Type=notify改为idle。

shiner_chen
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
QA200RC Atlas200 开发板 (一)分设场景下环境部署
QuanAikj2018的博客
02-17 1659
全爱科技推出Atlas200开发套件，开发套件支持Atlas200的RC和EP两种开发方式，是华为昇腾边缘计算主板。兼容Atlas200DK
QA200EP Atlas200 推理卡 （二）C++为例的合设场景依赖安装
QuanAikj2018的博客
02-17 662
QA200EP 推理卡是基于昇腾310 AI处理器的新一代高性能推理卡，以半高半长显卡尺寸，提供22T超强算例，融合“通用处理器、AI Core、编解码” 于一体，提供超强AI推理、目标检索等功能，具有超强算力、超高能效、高性能特征检索、安全启动等优势，可广泛应用于OCR识别、语音识别、搜索推荐、内容审核等诸多AI应用场景。
atlas-docker-compose:使用 Atlas 设置一个 docker 主机来使用 docker-compose
06-23
Atlas Docker Compose 这是使用在上配置主机的示例设置，以便可用于管理远程主机上的应用程序。 目的 Docker compose，以前称为 fig，非常适合本地开发和设置应用程序。 我想找到一种方法来设置远程环境以使用 docker compose，该环境可能是短暂的且易于复制，这就是 Atlas 来管理该设置的地方。 我的愿望是看看将丢弃的开发服务器托管在云提供商上有多方便，该服务与您在本地使用 Docker compose 或 fig 的方式相同。 要求 您需要设置一些东西才能让一切正常运行： AWS 账户还有其他提供商可以在未来将其转换为 Atlas 帐户和您的 Atlas 令牌 用于将服务器成 AMI 的 来管理所需的基础设施 来管理应用程序 docker 镜像和容器 为此使用了非 fig 版本，因此>= v1.1.0 ，但它可能仍然适用于旧版本的 fig
Atlas：手淘Native容器化框架和思考
01-27
在刚刚过去的云栖大会上，手淘宣布其移动容器化框架Atlas将于2017年年初开源，对这个框架，在过去团队对外部做过一些分享，外界也一直对其十分关注，到现在它终于即将开源了。本文将介绍Atlas的设计思路和手淘对容器化、组件化和动态化上的思考，主要内容来自阿里巴巴资深技术专家倪生华（玄黎）在云栖大会上的分享。2013年，手淘航母战略的制定，带来了业务和开发人员的翻倍膨胀。从不到100人猛增四五倍，同时业务数量大增，整个客户端的架构和发版节奏受到极大挑战，Atlas作为之前手淘客户端的基础框架，进行了一次大的重构，形成了今天的Atlas。Atlas是一个Android客户端容器化框架，主要提供了组
yolov5在昇腾Atlas 200 DK上推理案例
最新发布
12-29
[嵌入式AI从0开始到入土]9_yolov5在昇腾上推理配套代码示例。 仅在Atlas200DK上进行过验证，其他开发板未作测试。 教程链接https://blog.csdn.net/weixin_44354614/article/details/135298104
【Atlas 200I DK A2 体验】部署样例 sampleYOLOV7MultiInput
06-29
【Atlas 200I DK A2 体验】部署样例 sampleYOLOV7MultiInput
docker学习实战(一)搭建一个atlas 200 带运行环境的docker镜像
qq_43218533的博客
06-29 1636
最近在学习docker，实战是最好的提升，于是就想着慢慢出一波案例来感受。
【Atlas 200】华为昇腾Atlas 200加速模块RC场景无法启动卡在Start to jump Linux kernel
weixin_41973774的博客
05-11 1265
一种比较大的可能是——在制作系统时，你使用的软件包内含的固件版本太高，需要手动升级模块固件。
DLAP221基于mxVision 容器内推理
程序人生
01-09 359
本文演示如何在DLAP221中利用mxVision框架进行样例推理
QA200RC Atlas200 开发板 (三)QA200RC状态指示灯
QuanAikj2018的博客
02-17 249
全爱科技推出Atlas200开发套件，开发套件支持Atlas200的RC和EP两种开发方式，是华为昇腾边缘计算主板。兼容Atlas200DK
note: module requires Go 1.xx 解决之道
zhangkui08的专栏
02-04 5240
Golang 遇到 note: module requires Go 1.nn 解决之道，不升go Golang 遇到 note: module requires Go 1.xx 解决之道，不升go
Atlas200DK开发环境及运行环境搭建简记
jnuse.github.io
03-14 548
不太想在网上暴露个人博客(有缘可见)，遂把一些文章搬运至CSDN。
QA200RC Atlas200 开发板 (二)关于系统启动失败问题解决
QuanAikj2018的博客
02-17 323
全爱科技推出Atlas200开发套件，开发套件支持Atlas200的RC和EP两种开发方式，是华为昇腾边缘计算主板。兼容Atlas200DK
在Atlas 200DK上体验DVPP（1）VENC-VDEC-RESIZE-JPEGE
张小白
04-07 1309
U CANN U UP
在DLAP221上部署容器进行推理操作
程序人生
08-13 834
1. Install toolbox 根据设备驱动版本，安装对应版本的Ascend-cann-toolbox_x.x.x_linux-aarch64.run，我的驱动版本是21.0.1，在此我安装的toolbox版本如下： HwHiAiUser@davinci-mini:~$ sudo ./Ascend-cann-toolbox_5.0.1_linux-aarch64.run --install Verifying archive integrity... All good. Uncompressing a
DLAP221开发环境部署
程序人生
09-30 1287
DLAP221开发环境部署 1. 概述 开发者基于DLAP221进行AI应用开发前，需要在制作SD卡时准备的Ubuntu服务器中部署开发环境，有以下三种场景： 独立部署开发套件包，基于后台命令行的方式进行交叉开发。 部署MindStudio，基于MindStudio开发工具进行AI应用开发，MindStudio安装时需要同时安装开发套件包（Cann Toolkit）。Cann Toolkit为开发者提供基于昇腾AI处理器的相关算法开发工具包，旨在帮助开发者进行快速、高效的人工智能算法开发。 Mind
DLAP221启动镜像制作
程序人生
08-14 2230
制作启动镜像 目前，凌华科技的DLAP221边缘计算设备仅支持SD卡启动，所以目前制作启动系统仅支持SD方式。Atlas 200 AI加速模块（型号 3000）作为主/协处理器时，有两种方式制作OS： 前提条件 一张SD卡（推荐使用64G (class10)及以上）。 一张USB读卡器。 一台带USB端口的Linux服务器或虚拟机（建议安装Ubuntu 16.04/18.04系统）。 Linux服务器已安装qemu-user-static、binfmtsupport、yaml、squashfs-tools
Atlas200 模组拆解
qq_43092637的博客
05-28 5268
Atlas 200 AI加速模块是一款高性能的AI智能计算模块。Atlas 200采用紧凑的结构设计，Atlas 200尺寸为38.5mm x 52.6mm。用户通过选择不同的连接器选型可实现2种不同配合高度，分别为4.3mm和6mm，可灵活的布局在用户产品中。Atlas 200集成了海思Ascend 310 AI处理器，可以实现图像、视频等多种数据分析与推理计算，可广泛用于智能监控、机器人、无人机、视频服务器等场景。 Ascend 310是一款华为专门为图像识别、视频处理、.........
atlas200dk部署yolov8
07-29
要在Atlas 200DK上部署Yolov8模型，您可以按照以下步骤进行操作： 1. 首先，确保您已经在Atlas 200DK上安装了Mind Studio开发环境。如果没有安装，请按照Mind Studio的安装指南进行安装。 2. 在Mind Studio中创建...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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