1 昇腾AI解决方案介绍

视频：课程地址

1.1 华为全栈全场景

1.2 Ascend系列处理器

310处理器用在 推理场景，910处理器用在 训练场景

1.3 Atlas系列产品

2 环境部署（Atlas200DK）

视频：课程地址

参考：Atlas200DK分设系列第一章–20.0.RC1版本安装指南

2.1 初见开发板

2.2 开发&运行环境搭建总览

2.2.1 安装ubuntu18.04

2.2.2 配置ubuntu环境

用户权限配置

普通用户安装开发套件，需要有sudo权限，所以首先需要给普通用户配置权限。

切换为root用户。
su root

给sudoer文件配置写权限，并打开该文件。
chmod u+w /etc/sudoers
vi /etc/sudoers

在该文件“ # User privilege specification”下面增加如下内容：

其中，ascend为开发环境种普通用户用户名，需要根据自己的环境修改。

完成后，执行以下命令取消“ /etc/sudoers”文件的写权限。

sudo chmod u-w /etc/sudoers

换源

参考：Ubuntu 18.04 换国内源

配置密码
sudo passwd root
su root

配置apt源：

cd /etc/apt
cp sources.list sources.list.bak
vi sources.list
或者   更改只读文件
sudo gedit  /etc/apt/sources.list   

复制粘贴国内源，保存

阿里源

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

sudo apt-get update
sudo apt-get upgrade

配置pip源：

ctrl + h 显示 .pip文件夹

touch pip.conf

将如下内容填写到pip.conf文件中

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

安装环境依赖

安装相关apt依赖：

sudo apt-get install -y gcc make cmake unzip zlib1g zlib1g-dev libsqlite3-dev openssl libssl-dev libffi-dev pciutils net-tools g++-5-aarch64-linux-gnu

安装python环境:

下载python3.7.5源码包并解压。

wget https://www.python.org/ftp/python/3.7.5/Python-3.7.5.tgz
tar -zxvf Python-3.7.5.tgz

进入解压后的文件夹，执行配置、编译和安装命令。

cd Python-3.7.5
./configure --prefix=/usr/local/python3.7.5 --enable-shared
make -j8
sudo make install

执行以下命令将so拷贝到lib中，并设置软链接。

sudo cp /usr/local/python3.7.5/lib/libpython3.7m.so.1.0 /usr/lib
sudo ln -s /usr/local/python3.7.5/bin/python3 /usr/bin/python3.7
sudo ln -s /usr/local/python3.7.5/bin/pip3 /usr/bin/pip3.7
sudo ln -s /usr/local/python3.7.5/bin/python3 /usr/bin/python3.7.5
sudo ln -s /usr/local/python3.7.5/bin/pip3 /usr/bin/pip3.7.5

执行以下命令，安装环境所需的相关pip依赖。

pip3.7.5 install attrs psutil decorator numpy protobuf==3.11.3 scipy sympy cffi grpcio grpcio-tools requests --user

安装其他

切换为root用户，并安装VIM。

su root
apt-get install vim

2.3 开发/运行环境部署手工方式

参考：Atlas 200 DK 系列 – 快速搭建开发环境

2.3.1 部署开发环境

安装toolkit开发工具包

如下图，下载开发环境所需要的两个toolkit包。

下载链接

将包放置到开发环境普通用户的$HOME目录下。

执行以下命令，给run包增加可执行权限。
chmod 755 \*.run

执行以下命令，安装toolkit包。

./Ascend-Toolkit-20.0.RC1-arm64-linux_gcc7.3.0.run --install
./Ascend-Toolkit-20.0.RC1-x86_64-linux_gcc7.3.0.run --install

安装mindstudio

下载链接

将压缩包放置到开发环境普通用户的$HOME目录下。并执行以下命令，安装Mindstudio。

cd $HOME
tar -zxvf mindstudio.tar.gz
cd MindStudio-ubuntu/bin
./Mindstudio.sh

注：运行过程中会有红字提示需要继续安装的软件包，安装完成后重新执行./Mindstudio运行即可

./Mindstudio.sh

2.3.1 部署运行环境

运行环境需要通过制作SD卡，将开发者板运行代码和系统程序烧写到开发者板上，从而搭建的。所以一切的起点就是安装SD卡。

注：安装SD卡需要在本地环境中操作，也就是以下步骤是在用来做开发环境的虚拟机环境中操作的

安装SD卡系统

• 下载制卡需要的软件包

下载地址

• 下载ubuntu-server 和 制卡脚本

在本地环境普通用户（以ascend用户为例）的$HOME目录下执行以下命令，下载tools仓代码。

如果没有安装git，执行安装git
sudo apt-get install git  

git clone https://gitee.com/ascend/tools.git
执行以下命令，进入C73制卡目录。
cd $HOME/tools/makesd/for_1.7x.0.0/

执行以下命令下载ubuntu18.04-server-arm.iso镜像（版本最好和虚拟机桌面版本一致）。

wget http://cdimage.ubuntu.com/ubuntu/releases/18.04/release/ubuntu-18.04.5-server-arm64.iso

注：下载的 ubuntu-18.04.5-server-arm64.iso 可能显示404未连接，需要更改成已有的新版本

下载完成后，执行以下命令，给脚本和iso镜像加权限。
chmod 755 make_sd_card.py make_ubuntu_sd.sh ubuntu-18.04.4-server-arm64.iso

• 执行如下命令安装相关纸卡需要的相关python依赖
  pip3 install pyyaml

• 执行如下命令安装相关的apt依赖
  sudo apt-get install qemu-user-static binfmt-support python3-yaml gcc-aarch64-linux-gnu g++-aarch64-linux-gnu

• 将之前下载的制卡所需包放置到该目录（普通用户$HOME/tools/makesd/for_1.7x.0.0）下。

• 将插有SD卡的读卡器连接Ubuntu服务器，制作SD卡：

执行以下命令，切换root用户，准备制卡。
su root

执行以下命令，执行脚本准备制卡
python3 make_sd_card.py local /dev/sdb
（说明：/dev/sdb 是SD卡的设备名，可以在root用户下执行fdisk -l查看。）

如图，制卡过程中，提示是否继续安装，输入Y。
等待约7min，提示Make SD Card successfully!,则制卡成功。

• 上电Atlas 200DK开发板。
  将制好的卡放入Atlas 200DK开发板，上电后连接Ubuntu服务器。
  注：开发板升级过程中会有两个灯闪烁，当四个灯常亮时即为升级成功，升级过程约5-10min

• 切换为普通用户
  命令行中执行以下命令，退出root用户，切换为普通用户。
  exit

连接开发者板

开发板通过usb和虚拟机相连，执行以下命令可以查看到虚拟网卡。
ifconfig

ascend@ubuntu:~$ ifconfig
ens33: flags=4163<UP,BROADCAST,RUNNING,MULTICAST>  mtu 1500
        inet 192.168.158.134  netmask 255.255.255.0  broadcast 192.168.158.255
        inet6 fe80::636d:deb2:479e:8276  prefixlen 64  scopeid 0x20<link>
        ether 00:0c:29:88:58:58  txqueuelen 1000  (Ethernet)
        RX packets 1740884  bytes 1922963470 (1.9 GB)
        RX errors 0  dropped 0  overruns 0  frame 0
        TX packets 492977  bytes 494438610 (494.4 MB)
        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

ens35u1: flags=4163<UP,BROADCAST,RUNNING,MULTICAST>  mtu 1500
        inet6 fe80::c806:82ff:febe:557a  prefixlen 64  scopeid 0x20<link>
        ether ca:06:82:be:55:7a  txqueuelen 1000  (Ethernet)
        RX packets 847  bytes 608643 (608.6 KB)
        RX errors 0  dropped 0  overruns 0  frame 0
        TX packets 1532  bytes 713093 (713.0 KB)
        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

lo: flags=73<UP,LOOPBACK,RUNNING>  mtu 65536
        inet 127.0.0.1  netmask 255.0.0.0
        inet6 ::1  prefixlen 128  scopeid 0x10<host>
        loop  txqueuelen 1000  (Local Loopback)
        RX packets 194631  bytes 2433862852 (2.4 GB)
        RX errors 0  dropped 0  overruns 0  frame 0
        TX packets 194631  bytes 2433862852 (2.4 GB)
        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

其中ens35u1就是虚拟网卡。

配置虚拟网卡ip
由于通过USB连接时，开发板默认IP为192.168.1.2，所以这里我们只需要配置虚拟网卡ip为192.168.1.x即可。可按照如下命令进行netplan设置。

打开netplan的配置文件，按照以下格式进行配置填写。
vi /etc/netplan/01-network-manager-all.yaml

# Let NetworkManager manage all devices on this system
network:
  version: 2
  renderer: NetworkManager
  ethernets:
     ens35u1: #配置的网卡名称,使用ifconfig -a查看得到
       dhcp4: no #dhcp4关闭
       addresses: [192.168.1.223/8] #设置本机IP及掩码
       gateway4: 255.255.255.0 #设置网关
       nameservers:
         addresses: [114.114.114.114]                                     

配置完成后执行以下命令，使配置生效。
netplan apply

执行以下命令切换回普通用户。
exit

如下图所示，再使用ifconfig查看，此时已经有ip了。

登录开发板
在普通用户下通过ssh指令，登录开发板（密码为Mind@123）。
ssh HwHiAiUser@192.168.1.2

将动态链接库路径 添加到 ldconfig 文件中。
切换到root用户下搜索 libascendcl.so 所在的路径，添加到vim mind_so.conf

su root
find / -name libascendcl.so
cd /etc/ld.so.conf.d
添加路径到此文件中
vim mind_so.conf
添加完成后，执行 
ldconfig
执行以下命令，退出开发板。
exit

2.4 MindStudio基本使用

tpe算子

3 环境搭建验证

3.1 设置编译环境

打开Mind Studio，选择Classification(resnet50)。然后选择Finish，工程创建成功

MyAPP 目录结构如下所示：

├── 工程名
│ ├── .idea //IntelliJ IDEA自动创建的，用于存放项目的配置信息。
│ ├── build
│ │ ├──cmake //存放cmake依赖文件
│ ├── caffe_model
│ │ ├── resnet50.prototxt //resnet50网络的模型文件
│ ├── data
│ │ ├── dog1_1024_683.jpg //测试数据
│ │ ├── dog2_1024_683.jpg //测试数据
│ ├── inc
│ │ ├── model_process.h //声明模型处理相关函数的头文件
│ │ ├── sample_process.h //声明资源初始化/销毁相关函数的头文件
│ │ ├── utils.h //声明公共函数（例如：文件读取函数）的头文件
│ ├── script
│ │ ├── transferPic.py //将*.jpg转换为*.bin，同时将图片从1024*683的分辨率缩放为
224*224
│ ├── src
│ │ ├── acl.json //系统初始化的配置文件
│ │ ├── CMakeLists.txt //编译脚本
│ │ ├── main.cpp //主函数，图片分类功能的实现文件
│ │ ├── model_process.cpp //模型处理相关函数的实现文件
│ │ ├── sample_process.cpp //资源初始化/销毁相关函数的实现文
件│
│ ├── utils.cpp //公共函数（例如：文件读取函数）的实现文件
│ ├── .project //工程信息文件，包含工程类型、工程描述、运行目标设备类型、 ADK版本号等
│ ├── CMakeLists.txt //编译脚本，调用src目录下的CMakeLists文件
│ ├── 工程名.iml //IntelliJ IDEA自动创建的模块文件，用于Java应用开发，存储一些模块开
发相关的信息。

命令行中，执行以下命令，在普通用户家目录下执行以下命令下载权重文件。

wget https://obs-model-ascend.obs.cn-east-2.myhuaweicloud.com/resnet50/resnet50.caffemodel

3.2 模型转换

将原始网络模型转换为适配昇腾AI处理器的模型。

• Model File选择当前工程的caffe_model目录下的resnet50.prototxt
• Weight File选择刚才下载的权重文件。

• Configure Input and Output页面中 “Input Type” 配置为FP16， “ Output
  Type” 配置为FP32。

• 关闭Data Pre-processing

• Mindstudio加载转换好的om模型。

转换完成后，模型会生成在 $HOME/modelzoo/resnet50/device 目录下,此时在Mindstudio对应工程上点击鼠标右键，选择Add Model，并选择此目录下的resnet50模型即可。

此时，工程的model文件夹下就会有对应的om模型了。

3.3 添加图片文件

• 命令行中，执行以下命令在普通用户下切换到工程所在目录。
  默认为“ ~/AscendProject/工程名/data”，请根据实际情况替换。
  cd ~/AscendProject/MyApp1/data

• 执行transferPic.py脚本
  脚本是将*.jpg转换为*.bin，同时将图片从1024683的分辨率缩放为224224。在data目录下生成2个*.bin文件。*

python3.7.5 ../script/transferPic.py

• 在Mind Studio工具界面，单击刷新工程目录的图标，刷新后，在工具界面的“ 工
  程名/data”目录下直接查看.bin文件。

3.4 编译和运行

编译

在Mindstudio的工具栏中点击Build > Edit Build Configuration。选择Target OS 为Centos7.6。

之后点击Build > Build > Build Configuration，会在目录下生成build和out文件夹。

运行

Mindstudio配置开发板RC连接。
注：此时默认开发板已经连接到开发环境了
在Mind Studio工具的工具栏中找到Tools按钮，单机Device Manager。
点击Device Manager界面右上方的 “+” 按钮，填写Host IP为开发者板ip（USB连接默认为192.168.1.2），点击OK。

单击 Run > Run ‘MyApp1’，如下图红框，可执行程序已经在开发者板执行，并且结果也打印在日志中。