海思平台环境搭建并测试AI例程

先粘链接，本次测试所用的例程samples: CANN Samples - Gitee.com

接下来记录环境搭建步骤

• 开发环境配置

        首先需要Ubuntu18.04版本，可以是虚拟机或实体机

        然后需要安装一些工具，汇总一下是gcc g++ cmake make unzip build-essential zlib1g zlib1g-dev libbz2-dev libsqlite3-dev libssl-dev libxslt1-dev libffi-dev openssl

        然后需要安装python3.9.2，使用下面指令下载源码包，然后进行编译和安装

wget https://www.python.org/ftp/python/3.9.2/Python-3.9.2.tgz


tar -zxvf Python-3.9.2.tgz
cd Python-3.9.2
./configure --prefix=/usr/local/python3.9.2 --with-ssl-default-suites=openssl --enable-shared CFLAGS=-fPIC
make 
sudo make install

        根据安装时配置的安装路径，设置环境变量

export LD_LIBRARY_PATH=/usr/local/python3.9.2/lib:$LD_LIBRARY_PATH
export PATH=/usr/local/python3.9.2/bin:$PATH

         接下来需要安装一下CANN的相关依赖

pip3 install –upgrade pip//先升级pip

pip3 install protobuf==3.13.0 –user
pip3 install psutil==5.7.0 –user
pip3 install numpy==1.13.3 –user
pip3 install scipy==1.4.1 –user
pip3 install decorator==4.4.0 –user
pip3 install sympy==1.5.1 –user
pip3 install cffi==1.12.3 –user
pip3 install pyyaml –user
pip3 install pathlib2 –user

         接下来开始安装CANN，软件包获取链接https://download.csdn.net/download/u011436603/89373712，下载后解压并安装

tar -zxvf NNN_PC.tgz
cd NNN_PC

chmod +x tooltkit.run

./toolkit.run --check
./toolkit.run --install

        要使用CANN软件包时，执行命令生效环境变量

source ${INSTALL_DIR}/bin/setenv.bash

         然后是交叉编译工具安装，链接https://download.csdn.net/download/u011436603/89373725，下载后解压安装

tar -zxvf aarch64-mix210-linux.tgz
cd aarch64-mix210-linux

./aarch64-mix210-linux.install

         好了，工具都安装好了，接下来开始测试例程

        从git上拉取源码samples: CANN Samples - Gitee.com，进入resnet50_async_imagenet_classification样例目录下，新建/caffe_model目录，然后将ResNet-50网络的模型文件（*.prototxt）和ResNet-50网络的预训练模型文件（*.caffemodel）下载下来放到/caffe_model目录下。

        模型文件（*.prototxt）下载

        预训练模型文件（*.caffemodel）下载

        然后是使用atc工具将原始模型转为适配SoC的离线模型（*.om文件）,生成的（*.om文件）处于/model目录下。

atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=model/resnet50 --soc_version=OPTG --input_format=NCHW --input_fp16_nodes=data --output_type=FP32 --out_nodes=prob:0 --enable_single_stream=true

         最后我们来编译例程源码

        需要先设置下环境变量

export DDK_PATH=${INSTALL_DIR}
export NPU_HOST_LIB=${INSTALL_DIR}/aarch64-linux/devlib

         再创建一个目录，用于存放cmake编译文件，然后先执行cmake指令生成makefile，然后使用make编译，最后生成可执行文件main在/out目录下。

mkdir -p build/intermediates/soc

cd build/intermediates/soc
cmake ../../../src -DCMAKE_CXX_COMPILER=aarch64-mix210-linux-g++ -DCMAKE_SKIP_RPATH=TRUE

make

         然后我们准备下测试数据，这个例程是图片分类，我们需要下载两张图片放到/data下，然后将其转换为bin文件以供后续测试。

        图片1        图片2

        然后执行/script下的脚本进行转换

cd data
python3 ../script/transferPic.py

         如果执行脚本报错“ModuleNotFoundError: No module named 'PIL'”，则表示缺少Pillow库,执行下面的指令安装Pillow后再去转换。

pip3 install Pillow --user

         至此开发环境配置全部结束。

• 板端环境配置

        将例程文件夹整体拷贝到板子上，例如“/root/acl_resnet50“

        将需要用到的库拷到板子上，例如“root/demolib”

        设置环境变量

export LD_LIBRARY_PATH=/root/demolib

        然后进入main所在目录，执行查看效果

chmod +x main
./main

        执行成功后，终端会输出结果信息