[嵌入式AI从0开始到入土]3_官方模型适配工具使用

[嵌入式AI从0开始到入土]嵌入式AI系列教程

注：等我摸完鱼再把链接补上
可以关注我的B站号工具人呵呵的个人空间，后期会考虑出视频教程，务必催更，以防我变身鸽王。

第一章 昇腾Altas 200 DK上手
第二章 下载昇腾案例并运行
第三章 官方模型适配工具使用
第四章 炼丹炉的搭建（基于Ubuntu23.04 Desktop）
第五章 Ubuntu远程桌面配置
第六章 下载yolo源码及样例运行验证
第七章 转化为昇腾支持的om离线模型
第八章 jupyter lab的使用
第九章 yolov5在昇腾上推理
第十章 yolov5在昇腾上应用
未完待续…

---

---

前言

注：目前仅支持win平台，且需要32G及以上的内存，否则无法训练。本文用于快速上手，模型种类被官方限制了
模型适配工具（Ascend AI Devkit Model Adapter）是一款集成数据集管理、模型训练、模型打包为一体的开发者工具套件，预置了4个典型模型，分别用于目标检测场景（YOLO V5模型）、图像分类场景（Mobilenet V3模型）、图像分割场景（Unet ++模型）、关键点检测场景（Alphapose模型）。使用PC的CPU算力训练模型并对模型进行打包，拷贝到开发者套件进行推理。

内存不满足要求的就散了吧。等后面几篇，用GPU去训练，反正我8G显存，8G内存炼个YOLO还是没问题的。

配置类型	推荐配置
系统类型	Windows 10、11
CPU	8 core CPU
内存RAM	32GB
磁盘	100G SSD存储

一、下载安装

1、下载Ascend AI Devkit Model Adapter

没什么可以说的，直接上下载链接。

2、下载安装Anaconda

我们使用Anaconda个人版就可以了，点击这里直接下载。如果有特定版本需求请自行百度下载。
安装的时候把Add Anaconda3 to my PATH environment variable这个选项选上，不然每次启动会比较麻烦,其他随意。

3、导入虚拟环境

点击这里下载。为了防止资源失效，我往CSDN搬运了一份，点这里跳转。
你可能需要一个解压软件（我的win11可以使用tar命令解压，360压缩也不错）。
接下来查询Anaconda安装位置。也就是base环境的位置。cmd输入命令

conda info -e

我的Anaconda在D盘。

把你下载的model-adapter-tool.tar.gz放入Anaconda安装目录下的envs文件夹。右键，在终端中打开，执行以下命令解压到当前文件夹

tar -xf .\model-adapter-tool.tar.gz

解压完成后，再次运行conda info -e命令，查看回显路径除安装目录外是否和我一致。一致的话，运行conda activate model-adapter-tool激活虚拟环境。

如果没有报错，就证明我们的环境安装没有问题。

4、git安装

直接运行就可以，似乎不需要配置git。

conda install git --channel https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

二、启动

这个黑色的窗口不要关，最小化就可以
接下来以目标检测为例，都一样。

1、制作数据集

看了下文档中的要求，4个场景的要求都是图片分辨率不高于1080P，单张图片不小于1MB，推荐每个类别的图片数量在100张左右，并放置在全英文路径下。
首先我们添加待标注的图片。

这里用2021年电赛送药小车的数字识别为例。

这里可以使用“A”和“D”快捷键换图，第一次需要点击上方的”绘制矩形“，然后选择左上和右下两个点，就会跳出添加标签的页面。第一次输入标签后，之后同一标签直接确定就可以（似乎不能按enter）。
这就是标注完成的。

2、训练

全部标注完成后，点击左下角的一键迁移

大家参考我的路径，部分人可能卡在数据集路径报错（选择你刚才标注的图片所在的文件夹）
调整好参数后，点击一键迁移即可。这里有部分人会报错ERROR: model not exists.，看后面的问题。
进度会先卡在5%，然后你的cpu应该跑满了，占用率会有0，100这种起伏。等待就行。实测16G内存，直接撑不到6%就爆内存强制退出了，可能是我300张图（虽然是224*224的）有点多。这个在后面那个黑色的界面有打印报错信息。

3、查看输出文件

训练完成后会有如下提示


我们需要的是”infer_project.tar.gz“。将其上传至开发板就可以。建议建个空的，或者专用文件夹。

三、推理

这一小节因为我内存不足，没法训练出来，所以用的是文档里的图，可能会有点不一样，毕竟文档更新周期大家都知道

1、解压

到我们上传文件的目录运行以下指令

tar -zxvf infer_project.tar.gz#解压到当前目录
cd infer_project/ && dos2unix `find .` #将Windows格式文件转换为Unix、Linux格式

2、转换

进入解压出来的目录，转换模型。如果成功会有如下回显。

python3 onnx2om.py

3、运行

执行命令，进行推理

python3 om_infer.py --model=output/yolov5s_bs1.om --eval --visible 

成功输出如下

推理结果在output文件夹

四、问题

1、ERROR: model not exists

在模型适配工具的安装目录下按照以下路径Ascend AI Devkit Model Adapter\src\models_adaption\classification\mobilenetv3\train_code查找是否有这个“weights”文件夹，没有的话新建一个就可以了。

2、打开提示没有安装git或者conda环境

运行conda info -e看下是不是和我上面第一节第三步里的路径一样。大概率是conda的问题。git只要按照上面说的安装就行了。

总结

截至目前，我们已经能够进行简单的训练，推理。接下来就是调用GPU进行训练（cpu实在太慢了）或者更换成我们自己的模型，然后转换成昇腾310支持的模型进行推理。后面才是头疼的东西。