1.ubuntu
-
在嵌入式市场上linux占据霸主地位,基本绝大部分的嵌入式设备都是linux操作系统,android操作系统是基于linux操作系统进行开发的,它具有体积小、可裁减、运行速度高、良好的网络性能低成本、强大的定制功能以及良好的移植性能。
-
必须掌握的最基本操作
cp #拷贝
mv #移动
mkdir #创建文件夹
chmod #更改文件权限
ln #创建连接
ssh telnet #远程连接 远程传输
scp tftp
pwd #查看当前路径
rm #删除
vi vim gedit #文本文件
tar zip #解压
sudo dpkg -i XXX.deb #dpkg安装文件
sudo apt-get install xxx #apt 安装
2.cmake
- 什么是Cmake?
Make:
make工具可以看成是一个智能的批处理工具,它本身并没有编译和链接的功能,而是用类似于批处理的方式—通过调用makefile文件中用户指定的命令来进行编译和链接的。
makefile在一些简单的工程完全可以人工手下,但是当工程非常大的时候,手写makefile也是非常麻烦的,如果换了个平台makefile又要重新修改
cmake:
CMake是一个跨平台的安装(编译)工具,可以用简单的语句来描述所有平台的安装(编译过程),能够输出基于不同平台的makefile、project ,cmake不直接构建出最终的可执行文件,而是产生makefile之类的脚本,进而编译产生可执行文件。
其主要文件为: CmakLists.txt 与 xx.cmake
- Cmake流程
- CMakeLists.txt 常用变量
PROJECT_NAME: 工程名字
PROJECT_SOURCE_DIR:工程的根目录
PROJECT_BINARY_DIR:执行cmake命令的目录,一般是在build目录,在此目录执行cmake …
CMAKE_CURRENT_SOURCE_DIR: 当前CMakeLists.txt文件所在目录
CMAKE_CURRENT_BINARY_DIR: target编译目录,可使用ADD_SUBDIRECTORY来修改此变量
SET(EXECUTABLE_OUTPUT_PATH ${PROJECT_BINARY_DIR}/bin) 可执行文件输出路径
SET(CMAKE_CXX_STANDARD 11) 设置c++最低版本
SET(CMAKE_CXX_COMPILER “/usr/bin/g++”) 设置c++编译器的路径
CMAKE_BINARY_DIR,PROJECT_BINARY_DIR,_BINARY_DIR:这三个变量内容一致 指的就是工程编译发生的目录。
CMAKE_SOURCE_DIR,PROJECT_SOURCE_DIR,_SOURCE_DIR: 这三个变量内容一致,都指的是工程的顶级目录。
CMAKE_CURRENT_BINARY_DIR: 外部编译时,指的是target目录,内部编译时,指的是顶级目录
CMAKE_CURRENT_SOURCE_DIR: CMakeList.txt所在的目录
CMAKE_CURRENT_LIST_DIR: CMakeList.txt的完整路径
CMAKE_CURRENT_LIST_LINE: 当前所在的行
CMAKE_MODULE_PATH: 如果工程复杂,可能需要编写一些cmake模块-,这里通过SET指定这个变量
LIBRARY_OUTPUT_DIR,BINARY_OUTPUT_DIR: 库和可执行的最终存放目录
cmake_minimum_required (VERSION 2.8) #最小cmake版本
project(demo) #项目名称
add_library(test STATIC test.cpp) #成成静态库
add_library(test SHARED test.cpp) #生成动态库
add_executable(demo main.cpp util.cpp) #生成可执行文件
file(GLOB SRC_LIST "*.cpp" "*.cc") #查询一个目录下的文件
include_directories( #包含头文件地址 -I
${CMAKE_CURRENT_SOURCE_DIR}/include
)
link_directories(
${CMAKE_CURRENT_SOURCE_DIR}/lib64 #链接库的搜索路径 -L
)
target_link_libraries(demo student) #链接库 -l
add_subdirectory(tools) #编译子文件夹
message(WARNING "this is warnning message") #打印信息
add_definitions("-DUSE_XX") #设置宏定义
set(SRC_LIST main.cpp test.cpp) #设置变量
add_executable(demo ${SRC_LIST})
- CMakeLists.txt 常用伪代码
cmak_minimum_required(VERSION 3.14)
project(test)
set(CMAKE_CXX_STANDARD 11)
include_directories(opencv_include) #引用的头文件
link_directories(opencv_libs) #引用的库文件
add_executable(test ${src}) #编译源码生成可执行文件
target_link_libraries(test ${libs} opencv_world) #编译源码所需要的库进行链接
3.量化操作
网络:Wx+b
链接
对噪声点不行
4.实操量化
备注: 下文所说的根目录为ncnn你解压后的路径ncnn-master
一:
Ncnn量化主要是再build/tools/quantize中,相关的源码在ncnn根目录下的tools/quantize中。
二:
首先在根目录的examples下找到squeezenet_v1.1.param 与squeezenet_v1.1.bin这两个文件,这个就是ncnn官方自带的示例模型,我们接下来就是使用该模型进行量化。
可以点击squeezenet_v1.1.param进行模型结构查看。
三:
在build/tools/quantize下创建文件夹image;
并放入几张普通的rgb图片即可;
四:
生成量化所需的量化表
命令行进入 build/tools/quantize下,执行如下命令
五:模型量化
执行如下命令转换模型 ,生成的新的量化后的模型就在该目录下,大家可以查看一下,大小变成了1.3M,模型缩小了近3倍
然后把所获得ncnn参数和模型文件复制到ncnn/build/examples目录下,本文所用的squeezenet的ncnn文件在ncnn/examples中有提供。将模型.param和.bin文件复制到ncnn/build/examples目录下,然后终端cd到ncnn/build/examples,执行:
./squeezenet imagepath
Imagepath为图像路径。就可以得到结果。
具体调用代码直接参考ncnn/examples中的示例cpp文件,但是使用时最好使用examples所提到的模型。
调用opencv:
调用ncnn: