【2023·CANN训练营第一季】ResNet50图片分类应用——准备环境

EricLin
351 阅读5分钟

【2023·CANN训练营第一季】ResNet50图片分类应用——准备环境

环境要求

  • 操作系统及架构：CentOS 7.6 x86_64、CentOS aarch64、Ubuntu 18.04 x86_64、EulerOS x86、EulerOS aarch64

  • 编译器：g++ 或 aarch64-linux-gnu-g++

  • 芯片：Ascend 310、Ascend 310P、Ascend 910

  • python版本及依赖的库：python3.7.5、Pillow库

  • 已在环境上部署昇腾AI软件栈，并配置对应的的环境变量，请参见Link中对应版本的CANN安装指南。

    配置CANN基础环境变量和Python环境变量，请参见Link。

    HwHiAiUser 下 ~/Ascend/ascend-toolkit/set_env.sh

export ASCEND_TOOLKIT_HOME=/home/HwHiAiUser/Ascend/ascend-toolkit/latest
export LD_LIBRARY_PATH=${ASCEND_TOOLKIT_HOME}/lib64:${ASCEND_TOOLKIT_HOME}/lib64/plugin/opskernel:${ASCEND_TOOLKIT_HOME}/lib64/plugin/nnengine:$LD_LIBRARY_PATH
export PYTHONPATH=${ASCEND_TOOLKIT_HOME}/python/site-packages:${ASCEND_TOOLKIT_HOME}/opp/op_impl/built-in/ai_core/tbe:$PYTHONPATH
export PATH=${ASCEND_TOOLKIT_HOME}/bin:${ASCEND_TOOLKIT_HOME}/compiler/ccec_compiler/bin:$PATH
export ASCEND_AICPU_PATH=${ASCEND_TOOLKIT_HOME}
export ASCEND_OPP_PATH=${ASCEND_TOOLKIT_HOME}/opp
export TOOLCHAIN_HOME=${ASCEND_TOOLKIT_HOME}/toolkit
export ASCEND_HOME_PATH=${ASCEND_TOOLKIT_HOME}

以下步骤中

  • 运行环境： 运行环境指可运行算子、推理或训练等程序的环境，运行环境必须带昇腾AI处理器的设备。
  • 开发环境： 可用于代码开发、调试、编译等开发活动。该环境可以是带昇腾AI处理器的设备，也可以是其他满足CANN软件安装的环境。

开发环境和运行环境可以合设在同一台服务器上，也可以分设，分设场景下，开发环境下编译出来的可执行文件，在运行环境下执行时，若开发环境和运行环境上的操作系统架构不同，则需要在开发环境中执行交叉编译。

该样例主要是基于Caffe ResNet-50网络（单输入、单Batch）实现图片分类的功能。

准备训练模型和图片

1. 克隆代码仓到本地

# 克隆代码仓到本地
git clone https://gitee.com/ascend/samples.git
# 切换到ResNet50图片分类样例目录
cd cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

2. 准备模型

获取ResNet-50网络的模型文件（*.prototxt）、权重文件（*.caffemodel），并以运行用户将获取的文件上传至开发环境的“样例目录/caffe_model“目录下。如果目录不存在，需要自行创建。

请注意，下文中的样例目录均指“cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification”目录。

  • wget方式

    wget -O 文件名 链接

mkdir model	# 如果不存在该目录
cd model	# 切换到模型目录
# 获取模型文件
wget https://obs-9be7.obs.cn-east-=2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.prototxt
# 获取权重文件
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.caffemodel

  • ftp方式

    找到当前ssh工具的sftp选项

【2023·CANN训练营第一季】ResNet50图片分类应用——准备环境

环境要求

  • 操作系统及架构：CentOS 7.6 x86_64、CentOS aarch64、Ubuntu 18.04 x86_64、EulerOS x86、EulerOS aarch64

  • 编译器：g++ 或 aarch64-linux-gnu-g++

  • 芯片：Ascend 310、Ascend 310P、Ascend 910

  • python版本及依赖的库：python3.7.5、Pillow库

  • 已在环境上部署昇腾AI软件栈，并配置对应的的环境变量，请参见Link中对应版本的CANN安装指南。

    配置CANN基础环境变量和Python环境变量，请参见Link。

    HwHiAiUser 下 ~/Ascend/ascend-toolkit/set_env.sh

export ASCEND_TOOLKIT_HOME=/home/HwHiAiUser/Ascend/ascend-toolkit/latest
export LD_LIBRARY_PATH=${ASCEND_TOOLKIT_HOME}/lib64:${ASCEND_TOOLKIT_HOME}/lib64/plugin/opskernel:${ASCEND_TOOLKIT_HOME}/lib64/plugin/nnengine:$LD_LIBRARY_PATH
export PYTHONPATH=${ASCEND_TOOLKIT_HOME}/python/site-packages:${ASCEND_TOOLKIT_HOME}/opp/op_impl/built-in/ai_core/tbe:$PYTHONPATH
export PATH=${ASCEND_TOOLKIT_HOME}/bin:${ASCEND_TOOLKIT_HOME}/compiler/ccec_compiler/bin:$PATH
export ASCEND_AICPU_PATH=${ASCEND_TOOLKIT_HOME}
export ASCEND_OPP_PATH=${ASCEND_TOOLKIT_HOME}/opp
export TOOLCHAIN_HOME=${ASCEND_TOOLKIT_HOME}/toolkit
export ASCEND_HOME_PATH=${ASCEND_TOOLKIT_HOME}

以下步骤中

  • 运行环境： 运行环境指可运行算子、推理或训练等程序的环境，运行环境必须带昇腾AI处理器的设备。
  • 开发环境： 可用于代码开发、调试、编译等开发活动。该环境可以是带昇腾AI处理器的设备，也可以是其他满足CANN软件安装的环境。

开发环境和运行环境可以合设在同一台服务器上，也可以分设，分设场景下，开发环境下编译出来的可执行文件，在运行环境下执行时，若开发环境和运行环境上的操作系统架构不同，则需要在开发环境中执行交叉编译。

该样例主要是基于Caffe ResNet-50网络（单输入、单Batch）实现图片分类的功能。

准备训练模型和图片

1. 克隆代码仓到本地

# 克隆代码仓到本地
git clone https://gitee.com/ascend/samples.git
# 切换到ResNet50图片分类样例目录
cd cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

2. 准备模型

获取ResNet-50网络的模型文件（*.prototxt）、权重文件（*.caffemodel），并以运行用户将获取的文件上传至开发环境的“样例目录/caffe_model“目录下。如果目录不存在，需要自行创建。

请注意，下文中的样例目录均指“cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification”目录。

  • wget方式

    wget -O 文件名 链接

mkdir model	# 如果不存在该目录
cd model	# 切换到模型目录
# 获取模型文件
wget https://obs-9be7.obs.cn-east-=2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.prototxt
# 获取权重文件
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.caffemodel

  • ftp方式

    找到当前ssh工具的sftp选项

ftp方式

# 如果没安装过lrzsz就先安装
apt install lrzsz
# 唤起二进制文件传输界面(FTP)
rz

后统一使用wget方式获取需要准备的资源

3. 准备测试图片

请从以下链接获取该样例的输入图片，并以运行用户将获取的文件上传至开发环境的“样例目录/data“目录下。如果目录不存在，需自行创建。

后续需要更换图片也是同样的流程

# 切换到输入数据目录
cd data
# 获取资源
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog2_1024_683.jpg

好了，资源准备阶段就到这里，明天我们讲解如何对模型和图片进行预处理

# 如果没安装过lrzsz就先安装
apt install lrzsz
# 唤起二进制文件传输界面(FTP)
rz

后统一使用wget方式获取需要准备的资源

3. 准备测试图片

请从以下链接获取该样例的输入图片，并以运行用户将获取的文件上传至开发环境的“样例目录/data“目录下。如果目录不存在，需自行创建。

后续需要更换图片也是同样的流程

# 切换到输入数据目录
cd data
# 获取资源
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog2_1024_683.jpg

好了，资源准备阶段就到这里，明天我们讲解如何对模型和图片进行预处理

avatar
文章
阅读
粉丝