溫馨提示

本文旨在為已購買IVP02E盒子的用戶提供設備端的部署指南，使用此指南的前提：在開發系統上已安裝搭建好相應的框架；已完成模型的處理，包括：模型量化、模型轉換等；且已完成代碼工程的編譯，并通過相應框架生成設備端適配的可執行程序，具體的操作流程請參考相應的《開發環境搭建指南》完成系統環境搭建。

開發環境：

?操作系統及架構：Ubuntu 18.04 x86_64

?內存：大于4G

?儲存空間：大于10G

?系統語言：en_US.UTF-8（MindStudio）

?編譯器：g++或aarch64-linux-gnu-g++

?python及依賴的庫：python3.7.5

?邊緣計算盒子型號：IVP02E

聲明——IVP02E內包含NNN以及SVP_NNN兩個算力核，適配昇騰以及SVP架構，架構圖如下：

現在開始進行設備端環境部署！Follow me~

環境部署步驟

步驟1：安裝CH340驅動；

步驟2：設備端插入網線、電源線、且通過Type-C線連接電腦；

步驟3：連接后，要在設備管理器查看是否連接成功，并記錄端口號

步驟4：通過串口工具連接設備端，可使用MobaXterm、Xshell等工具，選擇端口號，bps為115200；

步驟5：連接設備端后，執行命令加載設備端驅動及ko文件，./insmod.sh以及./init.sh；

步驟6：根據連接的網口配置ip地址以及網關地址

ifconfig eth0 xxx.xxx.xxx.xxx netmask 255.255.255.0 up // ip地址，請自行填入

執行route命令，進行網關配置

route add default gw xxx.xxx.xxx.xxx // 網關地址，請自行填入

配置完畢后，需要ping通本機的ip；

步驟7：yolov5網絡模型需要開發者自行準備，因昇騰框架暫不支持pt模型的轉換，所以需要開發者下載yolov5-master并通過腳本把pt模型轉換為onnx模型；

參考命令：

python3.7.5 models/export.py --weights yolov5ts.pt --img 640 --batch 1

步驟8：通過MindStudio工具啟動ATC功能進行模型轉換，把yolov5的onnx模型文件轉換為SoC設備端識別的離線模型（.om模型），把轉換后的模型放入工程文件中，并進行編譯生成可執行程序；

步驟9：需要在虛擬機以及設備端上安裝nfs，并且把編譯后的工程文件及所需的動態庫放在nfs文件夾下，之后在設備端通過nfs掛載到虛擬機的文件夾；

參考命令：

mount -t nfs ip地址:/xxx/xxx/xxx /mnt -o nolock ip地址為您虛擬機的IP地址

/xxx/xxx/xxx為您虛擬機內nfs文件夾掛載路徑

步驟10：聲明SDK包內動態庫；

參考命令：

exportLD_LIBRARY_PATH=/mnt/mpp/out/lib/npu

exportASCEND_AICPU_KERNEL_PATH=/mnt/mpp/out/lib/npu

聲明路徑為sdk包內mpp文件夾下動態庫的路徑

步驟11：Yolov5樣例共有3個功能

?0.識別輸入數據并打印相關信息

?1.多線程識別輸入數據并打印相關信息

?2.使用MMZ內存進行動態批次識別輸入數據并打印相關信息

步驟12：執行命令進行推理后會打印相關數據；

./sample_npu_main 0

以下為輸出示例

步驟13：配置了profiling相關參數的代碼后，模型推理完成時會在工程目錄下生成一個JOB文件夾，該文件夾內記錄了模型推理的性能指標；

步驟14：采集完成后需要執行腳本進行解析性能指標，需要進入到msprof下執行腳本，解析后會在JOB文件夾下生成sqlite文件夾，里面包含了各性能指標的db文件；

參考命令：

python3.7.5 msprof.py import -dir /home/hyq/rootfs/npu2 /src

步驟15：得到解析坐標后，執行相應命令即可導出指標為可視化表格；

參考命令： python3.7.5 msprof.py export summary -dir /home/hyq/rootfs/npu2/src --format csv

步驟16：以下為op_summary的表格示例，該表格內記錄了每一層算子的時間、推理耗時、調用接口耗時等性能指標。

至此，IVP02E智能視頻分析邊緣計算盒子的設備端環境部署成功！

審核編輯 黃昊宇