Firefly支持AI引擎Tengine，性能提升，轻松搭建AI计算框架
Tengine&RK3399介绍
Tengine
OADI/Tengine | github
Tengine 是OPEN AI LAB 为嵌入式设备开发的一个轻量级、高性能并且模块化的引擎。
Tengine在嵌入式设备上支持CPU，GPU，DLA/NPU，DSP异构计算的计算框架，实现异构计算的调度器，基于ARM平台的高效的计算库实现，针对特定硬件平台的性能优化，动态规划计算图的内存使用，提供对于网络远端AI计算能力的访问支持，支持多级别并行，整个系统模块可拆卸，基于事件驱动的计算模型，吸取已有AI计算框架的优点，设计全新的计算图表示。
RK3399
Firefly-RK3399 | Firefly
Firefly-RK3399资料下载 | Firefly
作为Firefly新一代的顶级开源平台，Firefly-RK3399采用了六核64位“服务器级”处理器Rockchip RK3399，拥有2GB/4GB DDR3和16G/32GB eMMC, 并新增DP 1.2、PCIe 2.1 M.2、Type-C、USB3.0 HOST等高性能数据传输和显示接口。Firefly-RK3399强大的性能配置将给VR、全景拍摄、视觉识别、服务器、3D等前沿技术带来里程碑的变革。
RK3399系统烧录
系统烧录是玩开发板重要的一步，学会如何为开发板烧录系统，就可以无所畏惧地瞎捣鼓——玩坏了大不了就重刷系统！
参考RK3399资料 | Firefly论坛
- 下载烧录工具和系统镜像
烧录工具下载地址 | 百度云
系统镜像下载地址 | 百度云
系统镜像选择Firefly-RK3399-ubuntu16.04-20180416112819，下载下来是一个tar压缩包，解压后得到一个img镜像文件；
烧录工具的压缩包解压后包含一个AndroidTool的烧录工具以及一个DriverAssitant驱动程序； - 按照USB驱动
解压DriverAssitant_v4.5的压缩包，运行其中的Driverinstall.exe程序，点击“驱动安装”，按照步骤安装即可； - 使RK3399进入升级模式
用USB线连接PC和RK3399，Type-A端接PC，Type-C端接RK3399；
RK3399断电，按住RECOVERY键并接上电源（或在通电情况下，按住RECOVERY然后轻按RESET重启），保持两三秒后松开RECOVERY键，此时启动PC的设备管理器（快捷键Win+X，可以找到设备管理器入口），如果看到多出一个Class for rockusb devices设备说明RK3399成功进入升级模式 - 系统烧录
运行AndroidTool.exe，切换到“升级固件”选项卡，点击“固件”并选择下载的镜像文件（扩展名为.img），然后点击“升级”开始烧录，右边的log会输出相关的信息，直到“下载固件成功”以及“重启设备成功”说明成功完成烧录。
RK3399远程访问
有时候专门为RK3399外接显示器和键鼠不大方便，我们可以通过ssh或vnc来远程访问；
首先让RK3399连接上网络（有线或无线），然后快捷键ctrl+alt+t呼出终端，输入指令ifconfig查看当前的网络配置——
其中eth0和wlan0分别是有线和无线网络的配置信息，我这里连接的是无线网，可以看到wlan0下有一项inet addr，这是设备在无线网络上的ip地址，把后边这串地址192.168.50.176记下来待会用得上。（如果你接的是有线网络，那么也可以在eth0下找到相应的inet addr地址）
推荐一个非常实用的免费远程连接工具：MobaXterm
ssh
烧录的系统镜像本身自带一个ssh服务器openssh-server，不需要我们额外安装。直接打开MobaXterm，点击左上角的Session
按照下图进行配置——
配置完就可以通过远程连接到RK3399的终端上——
既可以直接在PC上远程执行指令，也可以方便地在PC和RK3399之间传输文件。
vnc
ssh只能连接到RK3399上的纯文本模式的终端，如果你需要进一步控制RK3399的界面，可以额外安装vnc服务；
打开终端，刷新apt源：
sudo apt-get update
安装x11vnc：
sudo apt-get install x11vnc
为vnc服务生成密码（按照提示输入密码，并写入文件）：
x11vnc -storepasswd
添加服务：
sudo vim /lib/systemd/system/x11vnc.service
为x11vnc.service添加以下内容然后保存：
[Unit]
Description=Start x11vnc at startup.
After=multi-user.target
[Service]
Type=simple
ExecStart=/usr/bin/x11vnc -auth guess -once -loop -noxdamage -repeat -rfbauth /home/firefly/.vnc/passwd -rfbport 5900 -shared
[Install]
WantedBy=multi-user.target
加载服务：
sudo systemctl daemon-reload
启动服务：
sudo service x11vnc start
设置开机自启动：
sudo systemctl enable x11vnc.service
这样一来RK3399上的vnc服务就设置完毕，接下来直接用MobaXterm远程控制桌面；
和ssd一样点击左上角的Session选项，切换到vnc选项卡，如下图配置：
配置完毕后双击并输入刚刚在RK3399上设置的密码就可以远程控制桌面~~
安装Tengine
RK3399的基本环境安顿好之后，接下来可以开始搭建Tengine的环境。
- 安装git
sudo apt-get install git - 用git下载源码
git clone https://github.com/OAID/tengine - 安装编译源码时需要依赖的包
sudo apt install libprotobuf-dev protobuf-compiler libboost-all-dev libgoogle-glog-dev libopenblas-dev libopencv-dev - 进入Tengine目录，复制编译的配置文件
cd ~/tengine cp makefile.config.example makefile.config - 编辑
makefile.config文件（如果不需要修改配置，可以直接忽略这一步）
后续需要用到MobileNet SSD网络，其中包含维度交换的vim makefile.configPermute层，该层是ACL暂时不支持的，所以这里暂时不建议开启ACL支持 - 编译
make make install - 配置相关环境
sudo mkdir -p /usr/local/AID/Tengine sudo cp -rpf ~/Tengine/install/* /usr/local/AID/Tengine wget ftp://ftp.openailab.net/tools/script/gen-pkg-config-pc.sh chmod +x ./gen-pkg-config-pc.sh sudo ./gen-pkg-config-pc.sh
小试牛刀：运行Tengine自带的Demo
Tengine配置完毕，接下来我们试着运行Tengine自带的几个Demo。
分类网络SqueezeNet和MobileNet
- 运行SqueezeNet
./build/tests/bin/bench_sqz -r1——（-r1 代表重复次数） - 运行MobileNet
./build/tests/bin/bench_mobilenet -r1——（-r1 代表重复次数）
运行后即可在终端看到输出结果。
目标检测网络MobileNet SSD
Mobilenet_SSD implementation with Tengine | github
在example目录下有一个mobilenet_ssd的子目录，一般情况下在目录执行
cmake .
make
就可以编译目录下的程序，然而……
好吧，烧录的系统上没有cmake，安装一下：
sudo apt-get install cmake
不过make的时候又报了错——
看起来是找不到tengine的头文件，打开CMakeLists.txt文件瞧瞧，开头部分是这样的——
cmake_minimum_required (VERSION 2.8)
project(MSSD)
set( INSTALL_DIR ${TENGINE_DIR}/install/)
set( TENGINE_LIBS tengine)
...
好像这里引用了一个变量TENGINE_DIR但却没有提前指定，我们给它设置一下，变为——
cmake_minimum_required (VERSION 2.8)
project(MSSD)
set( TENGINE_DIR /home/firefly/Tengine )
set( INSTALL_DIR ${TENGINE_DIR}/install/)
set( TENGINE_LIBS tengine)
...
再make一下，头文件是找到了，但printf好像有点问题——
打开源代码mssd.cpp，添加头文件#include
搜索一下prinf，如果printf前有std::就去掉（也就是把std::printf替换为printf），保存后再make一下……诶！通过了~~
运行一下./MSSD
ummmm没有模型文件，下载一个！
Tengine提供了一些训练好的模型——Tengine_models | 百度云（提取码：57vb）
找到mobilenet_ssd文件夹把其中的MobileNetSSD_deploy.prototxt和MobileNetSSD_deploy.caffemodel下载下来放到./models目录下就行，再运行一下./MSSD——
没报错，有结果，好了，收工！
等等，这些输出什么意思呢？
- 从prototxt文件里读出模型
proto file not specified,using /home/firefly/Tengine/models/MobileNetSSD_deploy.prototxt by default - 从caffemodel文件里读出模型参数
model file not specified,using /home/firefly/Tengine/models/MobileNetSSD_deploy.caffemodel by default - 读一张
ssd_dog.jpg的文件作为输入image file not specified,using /home/firefly/Tengine/tests/images/ssd_dog.jpg by default
这张图片长这样： - 检测出了三个物体：
分别是狗、小车、自行车，用时161.088msrepeat 1 times, avg time per run is 161.088 ms detect ruesult num: 3 dog :100% BOX:( 138.529 , 209.238 ),( 324.026 , 541.275 ) car :100% BOX:( 466.138 , 72.3095 ),( 688.261 , 171.256 ) bicycle :99% BOX:( 106.674 , 140.974 ),( 573.514 , 415.127 ) - 最后图片输出到了
save.jpg[DETECTED IMAGE SAVED]: save.jpg
这张图长这样：
啊就输入一张图片，输出检测好框好图片的结果。好没意思~改成动态检测的吧！
以下是修改后的源码，改动也不大，就是调用摄像头获取图片，处理完之后再输出显示（在RK3399上FPS大概为5-6）。
/*
* Licensed to the Apache Software Foundation (ASF) under one
* or more contributor license agreements. See the NOTICE file
* distributed with this work for additional information
* regarding copyright ownership. The ASF licenses this file
* to you under the Apache License, Version 2.0 (the
* License); you may not use this file except in compliance
* with the License. You may obtain a copy of the License at
*
* http://www.apache.org/licenses/LICENSE-2.0
*
* Unless required by applicable law or agreed to in writing,
* software distributed under the License is distributed on an
* AS IS BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY
* KIND, either express or implied. See the License for the
* specific language governing permissions and limitations
* under the License.
*/
/*
* Copyright (c) 2018, Open AI Lab
* Author: [email protected]
*/
#include
#include
#include
#include
#include
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "tengine_c_api.h"
#include
#include
#include "common.hpp"
#define DEF_PROTO "models/MobileNetSSD_deploy.prototxt"
#define DEF_MODEL "models/MobileNetSSD_deploy.caffemodel"
#define DEF_IMAGE "tests/images/ssd_dog.jpg"
struct Box
{
float x0;
float y0;
float x1;
float y1;
int class_idx;
float score;
};
// void get_input_data_ssd(std::string& image_file, float* input_data, int img_h, int img_w)
void get_input_data_ssd(cv::Mat img, float* input_data, int img_h, int img_w)
{
// cv::Mat img = cv::imread(image_file);
if (img.empty())
{
// std::cerr << "Failed to read image file " << image_file << ".\n";
std::cerr << "Failed to read image from camera.\n";
return;
}
cv::resize(img, img, cv::Size(img_h, img_w));
img.convertTo(img, CV_32FC3);
float *img_data = (float *)img.data;
int hw = img_h * img_w;
float mean[3]={127.5,127.5,127.5};
for (int h = 0; h < img_h; h++)
{
for (int w = 0; w < img_w; w++)
{
for (int c = 0; c < 3; c++)
{
input_data[c * hw + h * img_w + w] = 0.007843* (*img_data - mean[c]);
img_data++;
}
}
}
}
// void post_process_ssd(std::string& image_file,float threshold,float* outdata,int num,std::string& save_name)
void post_process_ssd(cv::Mat img, float threshold,float* outdata,int num)
{
const char* class_names[] = {"background",
"aeroplane", "bicycle", "bird", "boat",
"bottle", "bus", "car", "cat", "chair",
"cow", "diningtable", "dog", "horse",
"motorbike", "person", "pottedplant",
"sheep", "sofa", "train", "tvmonitor"};
// cv::Mat img = cv::imread(image_file);
int raw_h = img.size().height;
int raw_w = img.size().width;
std::vector boxes;
int line_width=raw_w*0.002;
printf("detect ruesult num: %d \n",num);
for (int i=0;i=threshold)
{
Box box;
box.class_idx=outdata[0];
box.score=outdata[1];
box.x0=outdata[2]*raw_w;
box.y0=outdata[3]*raw_h;
box.x1=outdata[4]*raw_w;
box.y1=outdata[5]*raw_h;
boxes.push_back(box);
printf("%s\t:%.0f%%\n", class_names[box.class_idx], box.score * 100);
printf("BOX:( %g , %g ),( %g , %g )\n",box.x0,box.y0,box.x1,box.y1);
}
outdata+=6;
}
for(int i=0;i<(int)boxes.size();i++)
{
Box box=boxes[i];
cv::rectangle(img, cv::Rect(box.x0, box.y0,(box.x1-box.x0),(box.y1-box.y0)),cv::Scalar(255, 255, 0),line_width);
std::ostringstream score_str;
score_str<> frame;
for (int i = 0; i < repeat_count; i++)
{
get_input_data_ssd(frame, input_data, img_h, img_w);
gettimeofday(&t0, NULL);
set_tensor_buffer(input_tensor, input_data, img_size * 4);
run_graph(graph, 1);
gettimeofday(&t1, NULL);
float mytime = (float)((t1.tv_sec * 1000000 + t1.tv_usec) - (t0.tv_sec * 1000000 + t0.tv_usec)) / 1000;
total_time += mytime;
}
std::cout << "--------------------------------------\n";
std::cout << "repeat " << repeat_count << " times, avg time per run is " << total_time / repeat_count << " ms\n";
tensor_t out_tensor = get_graph_output_tensor(graph, 0,0);//"detection_out");
get_tensor_shape( out_tensor, out_dim, 4);
outdata = (float *)get_tensor_buffer(out_tensor);
int num=out_dim[1];
float show_threshold=0.5;
post_process_ssd(frame, show_threshold, outdata, num);
cv::imshow("MSSD", frame);
if( cv::waitKey(10) == 'q' )
break;
}
postrun_graph(graph);
free(input_data);
destroy_runtime_graph(graph);
remove_model(model_name);
return 0;
}
报错，
烧录的系统没带opengl，没法调用opencv的imshow，树莓派也有一样的问题，安装 libgl1-mesa-dri 然后重启板子就能解决。
sudo apt-get install libgl1-mesa-dri
sudo reboot
本篇文章中我们在RK3399上搭建了Tengine平台并试运行了MobileNet SSD网络，接下来我们将细致解析MobileNets分类网络和SSD目标检测框架，最后进一步解析源码作者chuanqi305是如何把MobileNets和SSD结合起来的。
- MobileNets v1模型解析 | Hey~YaHei!
- SSD框架解析 | Hey~YaHei!
- MobileNet-SSD网络解析 | Hey~YaHei!
随后还将结合实际的使用场景，尝试对MobileNet-SSD的网络结构以及训练参数细节进行分析优化~
更多开发资料请到社区精华系列“资源共享”专栏下载
http://dev.t-firefly.com/forum-263-1.html
———————————————————————————
Firefly微信公众号 阿Sai微博
———————————————————————————
Firefly官网：http://www.t-firefly.com
Firefly开源社区：http://developer.t-firefly.com