1 购买与组装
1.1 购买
偶然间发现了这块昇腾芯片的板子，比较好奇华为的边缘计算技术栈，遂购入一块来学习。
就个人近期使用体验而言，芯片发热量较大，主动散热还是需要的，套装里的散热套件效果挺好。
1.2 组装
外壳精致小巧，WiFi天线的粘贴不太好操作，想要贴正位置需要点耐心。
我手上这个外壳固定孔位的攻丝和铜柱的螺纹并不匹配，为了紧固板卡我只能大力出奇迹，然后铜柱就断在里面了。
需要注意的是，在装好壳体后，控制启动设备的拨码开关会被壳体封闭，看不到更摸不着，所以需要先行拨至需要的状态再进行壳体安装。
2 系统烧录与硬件信息查询
参照用户手册，使用香橙派提供的工具，烧录Linux系统到TF卡的过程很顺利，桌面系统的登录以及网络连接过程也很顺利。
2.2 硬件信息查询
这个开发板最让人好奇的莫过于它的芯片信息。芯片信息可使用npu-smi命令查询，结果如下图所示，显存容量数值比较特别。
3 ATC模型转换
自本节开始的后续内容，主要参考了在线课程“从图片分类入门推理应用开发”，课程提供了完善的开发指南文档资料和视频讲解课程，很赞。
3.1 MindStudio方法转模型
视频教程没有细说需要在MindStudio中创建哪种项目来进入编辑页面才能找到“模型转换操作入口”，我尝试创建空项目进入编辑页面，没有找到它们。
在创建“Ascend Operator”类型项目时，需要选择CANN版本，这条路径看起来像是能够完成模型转换的路径，但是由于存在权限问题，我没有完成这条路径的尝试。
3.2 命令行方法转模型
课程文档中提供了atc命令行样例，我下载了一个resnet34的预训练模型resnet34-333f7ec4.pth，使用pytorch把它转换成了onnx模型，最后使用atc命令完成了到om模型的转换。
模型转换的速度比较慢，文档中有提到“可以使用numactl工具指定CPU核后进行模型转换”，这个方法我尚未尝试，不知道能对转换速度有多大提升。
4 HelloWorld
4.1 编译依赖项的路径查找
在课程示例的CMakeLists.txt文件中，先行查找了环境变量中的“DDK_PATH”和“NPU_HOST_LIB”，从CMakeLists.txt文件内容来看“DDK_PATH”对应了ACL的头文件路径，“NPU_HOST_LIB”对应库文件路径。在我刷的这版系统中，初始环境变量中没有“DDK_PATH”，但有与之功能等价的“NPU_HOST_INC”。
4.2 helloworld的编译运行
完成CMakeLists.txt文件修改之后，编译顺利完成。按课程示例创建了空的acl.json文件之后，helloWorld程序得到了预期运行结果。
5 图片分类实验
参考示例程序，resnet34模型的加载和推理也得到了预期的结果。
示例中的比格犬图片分类运行结果如下，"162": ["n02088364", "beagle"]。
趴在地上的实心白色小博美被识别成了有些形似的大家伙，"258": ["n02111889", "Samoyed"]。
6 小结
在线课程中的学习资料很完善，对入门使用有很大帮助。
本次实验遗留问题：①需要尝试使用MindStudio完成模型转换；②需要尝试使用numactl工具加速Arm架构下的模型转换速度。
另外，论坛发帖编辑器到底怎么灵活设置首行缩进？
点赞
收藏
回复
分享
举报
1 购买与组装
1.1 购买
偶然间发现了这块昇腾芯片的板子，比较好奇华为的边缘计算技术栈，遂购入一块来学习。
就个人近期使用体验而言，芯片发热量较大，主动散热还是需要的，套装里的散热套件效果挺好。
1.2 组装
外壳精致小巧，WiFi天线的粘贴不太好操作，想要贴正位置需要点耐心。
我手上这个外壳固定孔位的攻丝和铜柱的螺纹并不匹配，为了紧固板卡我只能大力出奇迹，然后铜柱就断在里面了。
需要注意的是，在装好壳体后，控制启动设备的拨码开关会被壳体封闭，看不到更摸不着，所以需要先行拨至需要的状态再进行壳体安装。
2 系统烧录与硬件信息查询
2.1 系统烧录
参照用户手册，使用香橙派提供的工具，烧录Linux系统到TF卡的过程很顺利，桌面系统的登录以及网络连接过程也很顺利。
2.2 硬件信息查询
这个开发板最让人好奇的莫过于它的芯片信息。芯片信息可使用npu-smi命令查询，结果如下图所示，显存容量数值比较特别。
3 ATC模型转换
自本节开始的后续内容，主要参考了在线课程“从图片分类入门推理应用开发”，课程提供了完善的开发指南文档资料和视频讲解课程，很赞。
3.1 MindStudio方法转模型
视频教程没有细说需要在MindStudio中创建哪种项目来进入编辑页面才能找到“模型转换操作入口”，我尝试创建空项目进入编辑页面，没有找到它们。
在创建“Ascend Operator”类型项目时，需要选择CANN版本，这条路径看起来像是能够完成模型转换的路径，但是由于存在权限问题，我没有完成这条路径的尝试。
3.2 命令行方法转模型
课程文档中提供了atc命令行样例，我下载了一个resnet34的预训练模型resnet34-333f7ec4.pth，使用pytorch把它转换成了onnx模型，最后使用atc命令完成了到om模型的转换。
4 HelloWorld
4.1 编译依赖项的路径查找
在课程示例的CMakeLists.txt文件中，先行查找了环境变量中的“DDK_PATH”和“NPU_HOST_LIB”，从CMakeLists.txt文件内容来看“DDK_PATH”对应了ACL的头文件路径，“NPU_HOST_LIB”对应库文件路径。在我刷的这版系统中，初始环境变量中没有“DDK_PATH”，但有与之功能等价的“NPU_HOST_INC”。
4.2 helloworld的编译运行
完成CMakeLists.txt文件修改之后，编译顺利完成。按课程示例创建了空的acl.json文件之后，helloWorld程序得到了预期运行结果。
5 图片分类实验
参考示例程序，resnet34模型的加载和推理也得到了预期的结果。
示例中的比格犬图片分类运行结果如下，"162": ["n02088364", "beagle"]。
趴在地上的实心白色小博美被识别成了有些形似的大家伙，"258": ["n02111889", "Samoyed"]。
6 小结
在线课程中的学习资料很完善，对入门使用有很大帮助。
本次实验遗留问题：①需要尝试使用MindStudio完成模型转换；②需要尝试使用numactl工具加速Arm架构下的模型转换速度。
另外，论坛发帖编辑器到底怎么灵活设置首行缩进？