本内容主要介绍寒武纪 MLU220 Pytorch 软件环境搭建与 demo 运行实操讲解，并总结相关的经验分享给大家，希望给各位有所帮助。
1.1 MLU220 硬件安装
本次处理的对象为 MLU220，其安装在拥有 m.2 的台式主机，安装情况如图 1.1 所示。
图 1.1 MLU220 安装示意图
1.2 MLU220 软硬件搭建
本次软件层次包含 driver、 cntoolkit，上述两款软件均需借助 FTP 下载（账号、密码等请联系我方 PM 获取），其具体的版本和路径分别如图 1.2、1.3 所示。
图 1.2 MLU220 driver 路径
图 1.3 MLU220 cntoolkit 路径
分别执行以下脚本，以完成 MLU220 driver、cntoolkit 等安装，详细操作如下：
$ sudo apt install ./neuware-mlu220m.2-driver-dkms_4.9.4_all.deb
$ sudo apt install ./cntoolkit_1.7.3-1.ubuntu18.04_amd64.deb
安装完成后效果分别如图 1.4、1.5、1.6 所示。
图 1.4 MLU220 driver 安装成功示意图一
图 1.5 MLU220 driver 安装成功示意图二
图 1.6 MLU220 cntoolkit 安装成功示意图
- demo 运行
2.1 下载 demo
本次处理的对象为 MLU270/220 均能够处理的 demo，其下载路径如图 2.1 所示。
图 2.1 demo 下载路径
2.2 demo 运行
本次处理的对象为 MLU270/220 均可运行的 demo （本次运行 MLU220）。详细操作如下：
首先，查看并修改示例程序，例如 test_yolov3.cpp，内容如图 2.2 所示；同时修改 main.cpp（路径如图 2.3 所示），并将执行内容修改为 “test_yolov3();”，详细情况如图 2.4 所示。
图 2.2 test_yolov3.cpp
图 2.3 main.cpp 路径
图 2.4 main.cpp 修改内容
其次，在主路径下分别执行如下命令：
$ mkdir build
$ cd build
$ cmake ..
$ make
执行情况分别如图 2.5、2.6、2.7。
图 2.5 demo 编译执行情况
图 2.6 demo make 结果与生成可行性文件 run
运行可执行文件，效果如图 2.7 所示。
$ ./run
图 2.7 demo 运行效果
2.3 问题与解决方案
1、demo 编译或运行中可能出现“**can’t find lib**.so/.a,***”，推荐如下处理方案：
$ sudo vi /etc/ld.so.conf
#添加如下内容：
/usr/lib/x86_64-linux-gnu
/“系统绝对路径”/prj/3rd/ffmpeg-mlu/lib
/“系统绝对路径”/prj/3rd/cntoolkit/lib
/“系统绝对路径”/prj/3rd/cncv/lib
/“系统绝对路径”/prj/3rd/op/lib
#添加之后执行如下命令：
$ sudo ldconfig
2、若第一方案不可行，尤其是“**can’t find libopencv*.so/.a,***”，推荐系统安装或更新一下 opencv，详细执行如下操作：
$ sudo apt search opencv #查看是否存在 libopencv-dev
$ sudo apt install libopencv-dev #安装 libopencv-dev
$ python3 #查看 python 版本
$ sudo apt install python3-pip #安装 pip3
$ sudo pip install opencv-python #给 python2 安装 pip ，此步骤可以不执行
$ sudo pip3 install opencv-python #给 python3 安装 pip ，此步骤可以不执行
$ python3 #安装验证
$ import cv2 #查看输出是否正常（执行后没有报错）
- 总结
本文介绍了 MLU220 软硬件环境搭建与 demo 程序运行实操，并以 yolov3_220.cambricon 模型运行目标检测流程进行实际操作。后期将对 Cambricon 在线模型推理的性能对比进行详细介绍。如对此方案有更多需求，敬请联系世平集团 ATU 部门，atu.cn@wpi-group.com。
下期预告
后期将对寒武纪 Cambricon MLU 220/270 其他问题进行研究、总结，敬请期待。本文作者为 ATU kalpa，大大通的资料如下：
欢迎在大大通上关注我，给我留言，我将及时解答各位的疑问。
相关知识点往期回顾
2、ADAS-LDW 霍夫直线检测算法与 S32V234 实施介绍
3、深度学习之模型量化
4、深度学习之隐藏层设计（初步）
5、深度学习之数据增强（常规）
6、深度学习之模型剪枝
7、深度学习之迁移学习
8、深度学习之人脸识别
9、深度学习之 OpenCV 安装
10、基于深度学习 2D 人脸识别的NXP i.MX 8 M Shark 方案
11、Cambricon caffe 测试程序
12、Cambricon caffe 模型量化
参考资料
- 寒武纪 —— https://www.yuque.com/books/share/66dc4ebc-c220-49b8-b5dc-64320bc15da7/mogxu9
评论