【CANN训练营第二期】高玩赛段——应用营作业
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
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。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。