拿到开发者套件，做了个简单的设想，有了这个硬件我之前需要用服务器做的事情，是不是可以用开发板来做了？
1.训练模型
2.转换模型
3.跑推理样例
按道理这些事情都可以做，但是小藤内存只有4G，系统启动后只有不到3.5G，推理和转换我都安装了PC端来做了，所以小藤只跑推理就行啦。
总览步骤如下：
1.Atlas 200I DK A2 开箱，上电，烧录镜像
2. 安装python3.6.9环境
3.下载代码，安装依赖库
4.执行samples中yolov4样例代码
===================================
详细：
1.Atlas 200I DK A2 开箱，烧录镜像，上电开机
2. 安装python3.6.9环境
按照以下url安装：
安装步骤（Ubuntu 22.04）-安装依赖-安装开发环境-软件安装-环境准备-6.2.RC1-CANN商用版-文档首页-昇腾社区 (hiascend.com)
这url里提供的是python3.7.5，我选择安装python3.6.9，按步骤安装好python3.6.9之后继续配置
步骤2.d中export命令， 把对应的目录做修改后直接手写一个 py.sh，放到/root目录下, 每次登录source /root/py.sh，省事一些
另外还加了两个alias，
alias python3.6=/usr/local/python3.6.9/bin/python [按实际目录修改等号后面的路径]
alias pip3.6=/usr/local/python3.6.9.../pip3[按实际目录修改等号后面的路径]
方便后面安装依赖。注意用到python3和pip3的地方全部用python3.6,pip3.6 就行了。
3.下载代码，安装依赖库
安装samples的依赖库：python/environment · Ascend/samples - 码云 - 开源中国 (gitee.com)
这里有两个坑，
1, sudo apt-get install python3-opencv
这个安装的是opencv的编译后的可执行文件和依赖，会被安装到python其他版本的site-packages中，这里我们自己手动安装的python3.6.9就没有这个依赖，
只能pip3 install opencv-python --verbose，手动装一次，耗时很久，编译耗时预计3-4个小时。
2，pip3 install pyav
这个pyav库找不到，使用pip3 install av, 感谢 @不响丸辣丸不了辣 提供解决方案。
下载samples全量代码：cid:link_3
4.执行samples中yolov4样例代码
记得这里先执行source set_env.sh。小藤里的目录地址是 /usr/local/Ascend/ascend-toolkit/
选择python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_video · Ascend/samples - 码云 - 开源中国 (gitee.com)样例
准备模型[这一步骤在PC端，安装了ubuntu22.04虚拟机里执行的]：
使用atc 工具转换针对 200I DK A2的模型，按照说明文档，注意soc_version要改一下
atc --model=./yolov4_dynamic_bs.onnx --framework=5 --output=yolov4_bs1 --input_format=NCHW --soc_version=Ascend310B1 --input_shape="input:1,3,608,608" --out_nodes="Conv_434:0;Conv_418:0;Conv_402:0"
运行python3 yolov4.py ../data/test.mp4 成功执行。
执行效率确实比推理服务器，慢一些。
执行完成。
效果目测是一样的。
后记：感谢社区 @林同学，@不响丸辣丸不了辣 的协助
点赞
收藏
回复
分享
举报
拿到开发者套件，做了个简单的设想，有了这个硬件我之前需要用服务器做的事情，是不是可以用开发板来做了？
1.训练模型
2.转换模型
3.跑推理样例
按道理这些事情都可以做，但是小藤内存只有4G，系统启动后只有不到3.5G，推理和转换我都安装了PC端来做了，所以小藤只跑推理就行啦。
总览步骤如下：
1.Atlas 200I DK A2 开箱，上电，烧录镜像
2. 安装python3.6.9环境
3.下载代码，安装依赖库
4.执行samples中yolov4样例代码
===================================
详细：
1.Atlas 200I DK A2 开箱，烧录镜像，上电开机
mobaxterm登录：
ip，root密码等开发版说明书里都提供了，不赘述。
共享网络等操作，按说明来做。
产品简介-产品介绍-Atlas 200I DK A2开发者套件-文档首页-昇腾社区 (hiascend.com)
2. 安装python3.6.9环境
按照以下url安装：
安装步骤（Ubuntu 22.04）-安装依赖-安装开发环境-软件安装-环境准备-6.2.RC1-CANN商用版-文档首页-昇腾社区 (hiascend.com)
这url里提供的是python3.7.5，我选择安装python3.6.9，按步骤安装好python3.6.9之后继续配置
步骤2.d中export命令， 把对应的目录做修改后直接手写一个 py.sh，放到/root目录下, 每次登录source /root/py.sh，省事一些
另外还加了两个alias，
alias python3.6=/usr/local/python3.6.9/bin/python [按实际目录修改等号后面的路径]
alias pip3.6=/usr/local/python3.6.9.../pip3[按实际目录修改等号后面的路径]
方便后面安装依赖。注意用到python3和pip3的地方全部用python3.6,pip3.6 就行了。
3.下载代码，安装依赖库
安装samples的依赖库：python/environment · Ascend/samples - 码云 - 开源中国 (gitee.com)
这里有两个坑，
1, sudo apt-get install python3-opencv
这个安装的是opencv的编译后的可执行文件和依赖，会被安装到python其他版本的site-packages中，这里我们自己手动安装的python3.6.9就没有这个依赖，
只能pip3 install opencv-python --verbose，手动装一次，耗时很久，编译耗时预计3-4个小时。
2，pip3 install pyav
这个pyav库找不到，使用pip3 install av, 感谢 @不响丸辣丸不了辣 提供解决方案。
下载samples全量代码：cid:link_3
4.执行samples中yolov4样例代码
记得这里先执行source set_env.sh。小藤里的目录地址是 /usr/local/Ascend/ascend-toolkit/
选择python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_video · Ascend/samples - 码云 - 开源中国 (gitee.com)样例
准备模型[这一步骤在PC端，安装了ubuntu22.04虚拟机里执行的]：
使用atc 工具转换针对 200I DK A2的模型，按照说明文档，注意soc_version要改一下
atc --model=./yolov4_dynamic_bs.onnx --framework=5 --output=yolov4_bs1 --input_format=NCHW --soc_version=Ascend310B1 --input_shape="input:1,3,608,608" --out_nodes="Conv_434:0;Conv_418:0;Conv_402:0"
运行python3 yolov4.py ../data/test.mp4 成功执行。
执行效率确实比推理服务器，慢一些。
执行完成。
效果目测是一样的。
后记：感谢社区 @林同学，@不响丸辣丸不了辣 的协助