huawei_canncamp_app

介绍

【CANN训练营第二期】高玩赛段——应用营作业

软件架构

基于MindX开发，在基于X86、昇腾310芯片的硬件环境运行

1）在MindStudio中创建MindX SDK模板工程： Yolov3 2）并完成检测： Yolov5 3）分类： Resnet50 4）推理应用开发: AllApp

安装教程

1）通过华为云学院->沙箱实验室->昇腾->使用MindX SDK开发智能质检应用 https://lab.huaweicloud.com/testList.html?type=42&level=0 先学习了MindStudio开发工具以及MindX SDK这套AI应用开发套件。每天有10个免费1小时的实验名额，如果时间不够了要购买实验点（10元/小时）。 2）使用沙箱实验室很快开发可以了解整个开发过程，但稍是受点限制，所以用代金券买了两个ecs，选了华北4的X86、AI加速型、按需付费、按需流量300M付费（老师在共享镜像发的mindx）;弹性公网ip。价格才1.1388/小时足够实验了。这次要感谢华为的主办方发了足够的代金券可以到11月免费用，没有后顾之忧。 3）使用了一个公网ip，所以这次把其中要做推理的ecs绑定了公网ip，在另一态ecs上运行MindSpore的开发环境。应该单机也是可以的，这次是按沙箱的方法玩下。在推理服务器上安装了rinetd，再把公网的20022端口映射到开发服务器上。由于这次用了老师发的镜像安装比较简单，手工装了mxmanufacture、mxvision就可以了。如果买了AI加速型的裸机自己装会稍麻烦点，估计问题也不大。 4）Windows上用MobaXterm建立了和开发主机(20022端口)，边缘主机(公网22标准端口)的连接，连接到开发服务器，运行MindSpore.sh后在本地电脑的X窗口上开发。，按照沙箱的操作步骤先完成了在MindStudio中创建MindX SDK模板工程Yolov3。检测结果为"classId":16,"className":"dog","confidence":0.99653750699999999,......"。 5）yolov5的om模型建立有点复杂，刚开始在办公室电脑装环境化了不少时间，最后的yolov5s_sim_t.om是在云上的开发服务上完成的，pipline里的Resizer_KeepAspectRatio_Fit参数都要调到640。完成了并完成检测（Yolov5）。检测结果为"classId":16,"className":"dog","confidence":0.672381699,......" 6）resnet50模型建立相对简单。检测结果为"classId":163,"className":"beagle","confidence":0.87353515599999998。beagle和测试图片的狗同款。 7）最后把Yolov5和Resnet50的两个pipline拼起来就完成了AllApp。用测试程序自带的图片和网上下的图片检测结果分别是。"classId":163,"className":"beagle","confidence":0.837890625，classId":208,"className":"golden retriever","confidence":0.90478515599999998......。 8）都做好了后试了下，用MindSpore开发主机run配置为local也正常的。

使用说明

1. 基于MindX开发，在基于X86、昇腾310芯片的硬件环境运行
2. yolov3的om模型超过100M，太大了受限制没有上传。

参与贡献

1. Fork 本仓库
2. 新建 Feat_xxx 分支
3. 提交代码
4. 新建 Pull Request

特技

1. 使用 Readme_XXX.md 来支持不同的语言，例如 Readme_en.md, Readme_zh.md
2. Gitee 官方博客 blog.gitee.com
3. 你可以 https://gitee.com/explore 这个地址来了解 Gitee 上的优秀开源项目
4. GVP 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5. Gitee 官方提供的使用手册 https://gitee.com/help
6. Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 https://gitee.com/gitee-stars/