Atlas200安装CANN环境，安装Anaconda，安装MindStudio，.pt转.onnx，.onnx转换.om以及代码执行全套流程

Oh. my sunshine

已于 2023-12-29 16:16:47 修改

阅读量2.1k

点赞数 27

文章标签：华为

于 2023-12-29 14:29:35 首次发布

本文链接：https://blog.csdn.net/sunshaisaa/article/details/135290296

版权

本文详细介绍了如何在华为昇腾Atlas200边缘设备上安装CANN环境，包括修改apt源、安装Python3.7.5、配置pip源，以及安装Anaconda和MindStudioIDE。还涉及了.pt模型转.onnx和.onnx转.om的过程，以及模型在设备上的加载方法。

摘要由CSDN通过智能技术生成

华为昇腾Atlas200边缘设备的CANN环境安装，边缘设备安装Anaconda，下载IDE(MindStudio)，.pt转.onnx，.onnx转换.om，模型加载方法（拿到新设备后）

用户名：HwHiAiUser

密码：Mind@123

1：apt换源

#编辑sources.list文件
sudo nano /etc/apt/sources.list

deb https://repo.huaweicloud.com/ubuntu-ports/ bionic main restricted universe multiverse
deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic main restricted universe multiverse

deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-security main restricted universe multiverse
deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-security main restricted universe multiverse

deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-updates main restricted universe multiverse
deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-updates main restricted universe multiverse

deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-backports main restricted universe multiverse
deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-backports main restricted universe multiverse

保存文件：按下 Ctrl + O，然后按 Enter 确认文件名。
退出编辑器：按下 Ctrl + X。

#更新软件源：
sudo apt-get update

#升级软件包
sudo apt-get upgrade

用nano打开，然后添加华为源。**注意！！**需要用华为的不然有些包无法下载。

2：安装CANN软件

注意！！！需要全程用HwHiAiUser用户

准备软件包的版本为： Ascend-cann-toolkit_6.0.1_linux-aarch64.run（下载链接）。上传到/home/HwHiAiUser目录下

安裝依赖参考链接，然后安装python3.7.5，最后配置pip的源（最好选择华为的）参考链接

**安装python注意事项！！**测试是否安装成功

#安装依赖
sudo apt-get install -y gcc g++ make cmake zlib1g zlib1g-dev openssl libsqlite3-dev libssl-dev libffi-dev unzip pciutils net-tools libblas-dev gfortran libblas3                          

#安装python,任意地址下载
wget https://www.python.org/ftp/python/3.7.5/Python-3.7.5.tgz

#解压源码包
tar -zxvf Python-3.7.5.tgz

#进入解压后的文件夹，执行配置、编译和安装命令
cd Python-3.7.5
./configure --prefix=/usr/local/python3.7.5 --enable-loadable-sqlite-extensions --enable-shared
make
sudo make install

#设置python3.7.5环境变量。
#用于设置python3.7.5库文件路径
export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:$LD_LIBRARY_PATH
export PATH=/usr/local/python3.7.5/bin:$PATH

#配置pip的源
mkdir ~/.pip 
cd ~/.pip

#编辑pip.conf文件
vi pip.conf                      
#写入以下内容：
[global]
#以华为源为例，请根据实际情况进行替换。
index-url = https://mirrors.huaweicloud.com/repository/pypi/simple
trusted-host = mirrors.huaweicloud.com
timeout = 120

#保存
:wq!

安装cann开发套件包参考链接

#以HwHiAiUser用户将开发套件包上传到Atlas 200 DK任意目录
#执行如下命令为安装包增加可执行权限。
chmod +x *.run

#执行如下校验安装包的一致性和完整性。
./Ascend-cann-toolkit_{version}_linux-aarch64.run --check

#执行如下命令进行Toolkit软件包的安装。
./Ascend-cann-toolkit_{version}_linux-aarch64.run --install

#配置环境变量。
vi ~/.bashrc
#写入以下内容：
. /home/HwHiAiUser/Ascend/ascend-toolkit/set_env.sh    
#保存
:wq!

#其立即生效
source ~/.bashrc

**注意！！**需要先执行–check再安装–install

配置cann的环境变量参考链接，**注意：**查看链接的$HOME/Ascend是否是. /home/HwHiAiUser/Ascend，环境变量是. /home/HwHiAiUser/Ascend/ascend-toolkit/set_env.sh
```
. /usr/local/Ascend/ascend-toolkit/set_env.sh    
```
打开vi ~/.bashrc 添加. /usr/local/Ascend/ascend-toolkit/set_env.sh

安装成功后/home/HwHiAiUser目录下会出现Ascend文件

3：安装Anaconda

链接

下载软件：

wget https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh

wget -c https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-aarch64.sh

安装：

chmod +x Anaconda3-2021.05-Linux-aarch64.sh
./Anaconda3-2021.05-Linux-aarch64.sh

vi ~/.bashrc
#添加环境变量，参考链接
export PATH=/root/anaconda3/bin:$PATH

#更新
source ~/.bashrc

#linux下启动环境
su
source activate
conda activate 200DK

#创建虚拟环境
conda create -n yourName python=3.7 
conda create -n 200 python=3.7

安装成功后conda无法调用问题：需要su进入root权限

4：配置加载模型所需的包和依赖

激活环境，下载加载模型所需包安装python-acllite。下载链接

安装完成后/home/HwHiAiUser/Ascend/目录下会出现thirdpart文件

5：下载IDE(MindStudio)

准备安装依赖，参考链接

sudo apt-get install -y gcc g++ make cmake zlib1g-dev libbz2-dev libsqlite3-dev libssl-dev libffi-dev unzip pciutils net-tools libblas-dev gfortran libblas3 liblapack-dev openssh-server xterm firefox xdg-utils libdbus-glib-1-dev gdb

下载版本为3.0.4

#下载MindStudio 3.0.4安装包：
wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/MindStudio/MindStudio%203.0.4/MindStudio_3.0.4_linux.tar.gz

#解压
tar -zxvf MindStudio_3.0.4_linux.tar.gz

#解压jbr至MindStudio安装根目录
#下载
wget https://cache-redirector.jetbrains.com/intellij-jbr/jbr-11_0_10-linux-aarch64-b1341.35.tar.gz
#解压
tar -zxvf jbr-11_0_10-linux-aarch64-b1341.35.tar.gz

**注意！！！**需要在HwHiAiUser用户下，下载完成后进入jbr

执行命令启动
```
cd MindStudio/bin
./MindStudio.sh
```

启动：

6：代码转换

6.1：.pt转.onnx

#切换Anaconda后的虚拟环境
#下载安装库
pip install ultralytics

运行转换

import sys
from ultralytics import YOLO

#采用源码训练、验证、预测、导出模型,不需要依赖安装ultralytics
# Load a model
# model = YOLO(r"E:\weizhuang925new\camouflageRecognitionV2\static\ptFiles\BaseModel\BaseModel_RGB.pt")   # load a pretrained model (recommended for training)
model = YOLO(r"E:\weizhuang925new\camouflageRecognitionV2\static\defaultModelPt\yolov8l-seg.pt")   # load a pretrained model (recommended for training)

success = model.export(format="onnx",opset=12)  # export the model to ONNX format  #转换为onnx模型
print('model.export success')

6.2：.onnx转换.om

#在atlas200的设备上打开一个命令窗口，执行下面命令：
/usr/local/Ascend/ascend-toolkit/6.0.RC1/atc/bin/atc  --model=/home/rooty/yolo_model/BaseModel_HW.onnx --framework=5 --output=/home/rooty/yolo_model/BaseModel_HW --input_shape="images:1,3,640,640"  --soc_version=Ascend310


atc  --model="/home/HwHiAiUser/jieyidanao/tinityBuild3_100.onnx" --framework=5 --output=/home/HwHiAiUser/jieyidanao/tinityBuild3_100 --input_shape="input.1:1,3,256,256"  --soc_version=Ascend310

转换om需要在atlas设备上进行，先输入atc出现如下start说明可以运行，否则就是cann安装失败，需要重新安装cann

随后执行

7：代码执行

7.1：模型加载方法

参考链接

from acllite_model import AclLiteModel
from acllite_resource import AclLiteResource	

#初始化
acl_resource = AclLiteResource()
acl_resource.init()

#加载模型
model = AclLiteModel(MODEL_PATH)

#图像处理
def preprocess(img_path):
    image = Image.open(img_path)
    img_h = image.size[1]
    img_w = image.size[0]
    net_h = MODEL_HEIGHT
    net_w = MODEL_WIDTH

    image_ = image.resize((new_w, new_h))
    
    new_image= np.array(image_)
    new_image = new_image.astype(np.float32)
    new_image = new_image / 255
    print('new_image.shape', new_image.shape)
    new_image = new_image.transpose(2, 0, 1).copy()
    return new_image, image
    
#运行模型
result_list = model.execute([data,])