现如今，人工智能迅猛发展，AI赋能产业发展的速度正在加快，“AI+”的需求蜂拥而来，但AI应用快速落地的过程中仍存在很大的挑战：向下需要适配的硬件，向上需要完善的技术支持，两者缺一不可。基于此，昇腾推出了系列化行业SDK和参考设计，通过把千行百业细分场景的开发经验和行业知识沉淀下来、水平复制，从而大幅度降低门槛、简化开发、提升效率。而英码科技是昇腾重要的APN合作伙伴、金牌分销商，具有较强的自主设计硬件能力，双方紧密携手，打造软硬结合、更符合行业需求的算力底座，赋能产业快速、低成本数字化转型。今天来介绍英码科技RDC300I DK开发套件使用AscendCL快速实现垃圾分类和视频物体分类应用的案例，帮助开发者降低学习成本、简化开发流程，缩短项目周期！案例概述垃圾分类应用：基于AscendCL，使用RDC300I DK开发套件实现对图片中的垃圾类别进行检测，并输出有检测类别的图片。案例说明本案例底层原理逻辑请参考华为昇腾AscendCL 垃圾分类前置条件条件要求备注说明 CANN版本 >=5.0.4 请参考CANN样例仓介绍中的<安装步骤>完成；如果CANN低于要求版本，请根据<版本说明>切换samples仓到对应CANN版本。硬件要求英码科技RDC300I 当前已在RDC300I测试通过，其他产品需要另做适配；第三方依赖 python-acllite presentagent 请参考文档<环境安装>完成；存储空间 >=10G 数据仅供参考，请以实际为准；内存 >=8G 数据仅供参考，请以实际为准。基于RDC300I DK开发套件实现垃圾分类应用一、环境安装注意事项： ➢以下操作以普通用户HwHiAiUser安装CANN包为例说明，推荐使用root用户进行操作，如果是root用户，请将安装准备中所有的${HOME}修改为/usr/local。 ➢推荐按照本文档路径进行操作，如安装在自定义路径可能会导致环境冲突等问题 ①配置相关环境#安装cann-toolkit（可到昇腾官方网站下载） ./Ascend-cann-toolkit_8.0.RC2_linux-aarch64.run --install 以安装用户在任意目录下执行以下命令，打开.bashrc文件。 vi ~/.bashrc # 在文件最后一行后面添加如下内容。 source ${HOME}/Ascend/ascend-toolkit/set_env.sh source /home/work/MindX_SDK/mxVision-5.0.RC3/set_env.sh source /usr/local/Ascend/ascend-toolkit/set_env.sh export CPU_ARCH=`arch` export THIRDPART_PATH=${HOME}/Ascend/thirdpart/${CPU_ARCH} #代码编译时链接samples所依赖的相关库文件 export PYTHONPATH=${THIRDPART_PATH}/acllite:$PYTHONPATH #设置pythonpath为固定目录 export LD_LIBRARY_PATH=${THIRDPART_PATH}/lib:$LD_LIBRARY_PATH #运行时链接库文件 export INSTALL_DIR=${HOME}/Ascend/ascend-toolkit/latest #CANN软件安装后的文件存储路径，根据安装目录自行修改 export DDK_PATH=${HOME}/Ascend/ascend-toolkit/latest #声明CANN环境 export NPU_HOST_LIB=${DDK_PATH}/runtime/lib64/stub #声明CANN环境 # 执行命令保存文件并退出。 :wq! # 执行命令使其立即生效。 source ~/.bashrc # 创建samples相关依赖文件夹 mkdir -p ${THIRDPART_PATH} # 下载源码并安装git cd ${HOME} sudo apt-get install git git clone https://gitee.com/ascend/samples.git # 拷贝公共文件到samples相关依赖路径中 cp -r ${HOME}/samples/common ${THIRDPART_PATH} # 拷贝media_mini等so文件以及相关头文件 mkdir -p ${INSTALL_DIR}/driver cp /usr/lib64/libmedia_mini.so ${INSTALL_DIR}/driver/ #如路径中没有相关so文件，可跳过该命令 cp /usr/lib64/libslog.so ${INSTALL_DIR}/driver/ cp /usr/lib64/libc_sec.so ${INSTALL_DIR}/driver/ cp /usr/lib64/libmmpa.so ${INSTALL_DIR}/driver/ cp /usr/local/Ascend/include/peripheral_api.h ${INSTALL_DIR}/driver/ #如路径中没有相关头文件，可跳过该命令 ②安装python-acllite# 下载x264 cd ${HOME} git clone https://code.videolan.org/videolan/x264.git cd x264 # 安装x264 ./configure --enable-shared --disable-asm make sudo make install sudo cp /usr/local/lib/libx264.so.164 /lib # 下载ffmpeg cd ${HOME} wget http://www.ffmpeg.org/releases/ffmpeg-4.1.3.tar.gz --no-check-certificate tar -zxvf ffmpeg-4.1.3.tar.gz cd ffmpeg-4.1.3 # 安装ffmpeg ./configure --enable-shared --enable-pic --enable-static --disable-x86asm --enable-libx264 --enable-gpl --prefix=${THIRDPART_PATH} make -j8 make install # 安装其它依赖 pip3 install --upgrade pip pip3 install Cython sudo apt-get install pkg-config libxcb-shm0-dev libxcb-xfixes0-dev # 安装av pip3 install av # 安装pillow 的依赖 sudo apt-get install libtiff5-dev libjpeg8-dev zlib1g-dev libfreetype6-dev liblcms2-dev libwebp-dev tcl8.6-dev tk8.6-dev python-tk # 安装numpy和PIL pip3 install numpy==1.24.3 pip3 install Pillow # 将acllite目录拷贝到第三方文件夹中。后续编译依赖libmedia_mini.so，编译完成后需替换此处的acllite文件夹 cp -r ${HOME}/samples/python/common/acllite ${THIRDPART_PATH} # C码库编译，本库包含Atlas200dk的板载摄像头访问接口，该接口是在C码（lib/src/目录）基础上做的python封装。 cd ${HOME}/samples/python/common/acllite/lib/src make # 编译生成的libatalsutil.so在../atlas200dk/目录下。 # 再次将acllite目录拷贝到第三方文件夹中，保证当前使用的是更新后的代码。 cp -r ${HOME}/samples/python/common/acllite ${THIRDPART_PATH} 二、模型获取&转换# 进入案例路径，samples为前置步骤中下载的案例包 cd ${HOME}/samples/python/contrib/garbage_picture # 在model路径下下载原始模型 wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com:443/003_Atc_Models/AE/ATC%20Model/garbage/mobilenetv2.air --no-check-certificate wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/garbage_picture/insert_op_yuv.cfg --no-check-certificate # 使用ATC工具进行模型转换 atc --model=./mobilenetv2.air --framework=1 --output=garbage_yuv --soc_version=Ascend310P1 --insert_op_conf=./insert_op_yuv.cfg --input_shape="data:1,3,224,224" --input_format=NCHW 三、测试数据获取# 创建并进入data文件夹 cd ${HOME}/samples/python/contrib/garbage_picture mkdir data cd data # 下载图片数据 wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/garbage_picture/newspaper.jpg wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/garbage_picture/bottle.jpg wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/garbage_picture/dirtycloth.jpg # 进入案例运行路径 cd ../src 四、运行案例 ●运行python代码# 此处的data为测试数据路径 python3 classify_test.py ../data/ ➢运行成功后如无报错会显示以下信息五、案例展示 ●在案例根目录out文件夹下会生成带有检测类别的图片