HUAWEI Atlas 200 DK学习笔记

所需工具：Atlas 200开发板、读卡器、SD卡、网线、type-c数据线、笔记本电脑、路由器

文中的安装路径修改后记得修改环境变量中对应的**${install_path}**

运行环境搭建（电脑）

**方式1：**通过VMware虚拟机搭建本地Ubuntu服务器（熟悉VMware虚拟机操作的可选择性阅读）

【这一种方式相对复杂但是可以有图形化界面Mindstudio进行编写程序，且本地服务器搭建好，后期烧录SD卡速度也更快，只是第一次搭建麻烦些】

**方式2：**使用DD镜像烧录SD卡，具体可参考【https://bbs.huaweicloud.com/forum/thread-139685-1-1.html】里面所分享的文件在网盘，如下图，网盘下载慢（有会员的可以考虑这种方式，比较省事，就是可开发功能性少一些），而且后期想要使用Mindstudio编程软件只能在开发环境上设置（占内存），不能在运行环境上设置（方式2没有运行环境）。

方式1

注：【我本地使用的是18.04.5Ubuntu-desktop-amd64版本，给Atlas200板子用的18.04Ubuntu-desktop-arm64版本】

1、下载Ubuntu镜像

通过Ubuntu官网下载18.04-desktop版本的镜像（18.04、18.04.5、18.04.6版本都可以），以及Atlas 200班子所需要的server-arm版本的镜像，步骤相同，如下：

【或者直接点此链接到对应的18.04.5-desktop版本下载链接：http://old-releases.ubuntu.com/releases/18.04.5/】

Download-->Ubuntu Desktop-->see our alternative downloads-->Past releases-->old-releases.ubuntu.com

2、下载VMware workstations软件搭建本地开发环境

Vmware官网下载步骤：

【激活秘钥：ZF3R0-FHED2-M80TY-8QYGC-NPKYF（如果失效可自行百度搜）】

下载安装完成之后，参考文章【https://www.cnblogs.com/kesu/p/15023239.html】进行本地搭建

3、【以下操作在虚拟机中进行】安装成功之后进入桌面进行以下套件包下载

（1）打开虚拟机浏览器进入如下网站下载几个套件包，共7个包两个脚本文件（包括上一步的Ubuntu18.04--server--arm包）(下载的包都在/home/hostname/Download下，尽量将下载的包都放在一起，在制SD卡的步骤更方便)

昇腾官网

这个网站的中英文选项有些差距，英文状态下更好找需要的包，下载步骤如图所示：

**【安装包】**选择硬件平台--固件与驱动

选择对应版本，我选择的是5.0.2alpha003---1.0.10alpha版本，可以保持一致方便以后的步骤

**【安装包】**选择软件平台---异构计算架构---CANN

选择与上一步硬件平台一样的版本5.0.2alpha003，下载arm版本的nnrt和tookit两个包

下载对应本地虚拟机的X86_X64的软件包

（2）下载制作SD卡操作系统的脚本
#下载制卡入口脚本“make_sd_card.py”。
#从gitee下载：
wget https://gitee.com/ascend/tools/raw/master/makesd/for_1.0.10.alpha/make_sd_card.p
#从github下载：
wget https://raw.githubusercontent.com/Ascend/tools/master/makesd/for_1.0.10.alpha/make_sd_card.py
#下载制作SD卡操作系统的脚本“make_ubuntu_sd.sh”
#从gitee下载：
wget https://gitee.com/ascend/tools/raw/master/makesd/for_1.0.10.alpha/make_ubuntu_sd.sh
#从github下载：
wget https://raw.githubusercontent.com/Ascend/tools/master/makesd/for_1.0.10.alpha/make_ubuntu_sd.sh
（3）下载Python3.7.5源码包
wget https://www.python.org/ftp/python/3.7.5/Python-3.7.5.tgz
（4）下载Mindstudio

昇腾官网--软件平台--Mindstudio--Download--选择下载Linux版本

下载完所有的包如下：

4、环境配置

（1）安装Python3.7.5及相关依赖

安装依赖包
sudo apt-get install -y gcc g++ make cmake zlib1g zlib1g-dev libbz2-dev libsqlite3-dev libssl-dev libxslt1-dev libffi-dev unzip pciutils net-tools libncursesw5-dev 
进入下载目录下，解压源码包
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-loadable-sqlite-extensions --enable-shared
#j后边的数字具体看自己的电脑配置，数字越大编译更快些
make -j8 
sudo make install
设置软链接
sudo ln -s /usr/local/python3.7.5/bin/python3 /usr/local/python3.7.5/bin/python3.7.5
sudo ln -s /usr/local/python3.7.5/bin/pip3 /usr/local/python3.7.5/bin/pip3.7.5
配置python3.7.5的环境变量
#打开.bashrc文件
vi ~/.bashrc
#按i插入，在末尾添加以下几行内容

#用于设置python3.7.5库文件路径
export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:$LD_LIBRARY_PATH
#如果用户环境存在多个python3版本，则指定使用python3.7.5版本
export PATH=/usr/local/python3.7.5/bin:$PATH

#esc退出编辑模式，命令保存文件并退出
:wq!
#执行命令使其立即生效
source ~/.bashrc
验证是否安装成功
#返回相关版本信息，则说明安装成功
python3.7.5 --version
pip3.7.5  --version
（2）安装开发套件包

创建非root用户
#这里以HwHiAiUser用户为例
groupadd HwHiAiUser
useradd -g HwHiAiUser -d /home/HwHiAiUser -m HwHiAiUser -s /bin/bash
#设置非root用户密码
passwd HwHiAiUser
安装套件包
#进入套件包下载目录，我的统一放在/home/hostname/Download下
cd /home/hostname/Download
ll
#更改run文件为可执行文件，执行后run文件变为绿色可执行文件，如上图
chmod +x *.run
ll


#安装.run文件
./Ascend-cann-toolkit_5.0.2.alpha005_linux-x86_64.run --install
#将相关环境变量保存，后续使用
vi env.txt
#按i进入编辑模式，右键粘贴即可,保存退出
:wq!
#继续安装套件依赖包
./Ascend-cann-nnrt_5.0.2.alpha005_linux-aarch64.run --install
./Ascend-cann-toolkit_5.0.2.alpha005_linux-aarch64.run --install
安装过程图如下：

（3）安装Mindstudio
#解压安装包
tar -zxvf MindStudio_{version}_linux.tar.gz
#进入解压后的MindStudio/bin目录，进行安装sh文件
cd MindStudio/bin
./MindStudio.sh #这一步会检查环境变量的依赖，会提示failure，因为缺少的相关依赖，直接按照提示命令执行安装即可
#部分依赖包由于网站在国外，无法连接下载，可以在我的CSDN中下载我已经下好上传的依赖包文件
#CSDN链接：https://download.csdn.net/download/qq_44133248/85327557
缺少的几个fonts包下载之后，通过以下命令安装，安装过程如图所示
dpkg -i "包的名字"
可能会遇到的问题，没有遇到可跳过这一步

提示需要安装jdk，按照以下命令安装和添加环境变量
#安装jdk相关依赖包
sudo apt-get install -y openjdk-11-jdk
#添加环境变量
vi ~/.bashrc
#在.bashrc文件末添加下面几行内容
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64 
export PATH=$JAVA_HOME/bin:$PATH
#保存退出
:wq!
source ~/.bashrc

#验证JDK是否安装成功以及环境变量是否生效
echo $JAVA_HOME
/usr/lib/jvm/java-11-openjdk-amd64  #返回信息是这个则说明安装成功，否则表示JDK安装失败。
which jconsole
/usr/lib/jvm/java-11-openjdk-amd64/bin/jconsole  #输出这个信息表示安装成功，否则表示JDK安装失败。
安装JDK之后，在此运行启动Mindstudio
./MindStudio.sh
#这次检查环境变量等会出现success
进入Mindstudio之后，按照如下图所示进行操作:

设置一下ssh设备管理

保存时会提示在输入依次密码

成功之后会显示如下：

5、制作SD卡

（1）将准备好的SD卡插入读卡器，读卡器插入笔记本电脑，在弹出的选项中选择连接到虚拟机

（2）执行命令检查SD卡的设备号，并执行之前下载好的make_sd_card.py和make_ubuntu_sd.sh
#查看SD卡设备号
fdisk -l
#执行制卡脚本
python3 make_sd_card.py local /dev/sdb
#中间可能会弹出缺少一些依赖包，然后进行安装相关依赖包之后，在此执行制卡脚本命令
#如果没有弹出缺少依赖包，则跳过下面两条安装依赖的命令
pip3 install pyyaml

apt-get install qemu-user-static binfmt-support python3-yaml squashfs-tools gcc-aarch64-linux-gnu g++-aarch64-linux-gnu


#提示选择Y，然后会执行一段时间，等待即可，制卡成功会出现Make SD Card successfully!如下图

制卡成功后，运行环境的工作就暂时告一段落，接下来将SD插入Atlas 200Dk的开发板上，并同时接通电源，此时在开发板后边会有四个灯，开发板通电之后LED1和LED2会亮，3和4会通过读系统依次点亮，首次安装读系统整个过程大概需要5-10分钟

如果遇到某一个灯没有亮，参考下图，找原因

必须等四个灯全部点亮之后，再依次接入网线和type-c线（另一端USB接入笔记本电脑），接入之后依旧会让选择接入设备

选择linux-ubuntu之后，执行以下命令进行检测开发板是否接入，有一个ens16或者35开头的网口就代表接入成功。

然后执行configure_usb_ethernet.sh命令配置开发板接入电脑的USB端网口,会拿到一个USB的IP地址（一般都是192.168.1.166）

bash configure_usb_ethernet.sh

通过ssh命令进行链接Atlas200DK开发板，登录时有些时候很慢或者连接失败，可能是因为还没有拿到IP地址，稍等片刻再试

ssh HwHiAiUser@192.168.1.2    #开发板默认登录名称和IP,登录名称为上面设置的非root用户
Mind@123   #默认登录密码

登陆成功之后会进入HwHiAiUser@davinci-mini账户（代表进入开发板成功）显示如下：

开发环境搭建（Atlas 200 DK）

1、联网

进入开发板之后先进行联网操作（使用网线通过路由器连接Ubuntu服务器，路由器的地址一般均为192.168.1.X段）确保Ubuntu服务器（电脑）ip网段和开发板eth0的ip都在一个网段（通过路由器连接开发板的好处：Ubuntu服务器和开发板建立通信的同时还可以访问www.baidu.com）

首次登录时，系统将提示密码已过期：可以先不管
WARNING:Your password has expired.
进入root用户，密码就是默认密码Mind@123
su root
#进入/etc/netplan目录，修改01-netcfg.yaml文件配置
cd /etc/netplan
vi 01-netcfg.yaml
#将文件中对应部分修改为如下内容
eth0:
dhcp4: true
addresses: []
optional: true
#保存退出
:wq!
#执行如下命令重启网络服务
netplan apply
#执行ifconfig命令获取eth0网卡的IP地址,并进行测试是否介入网络
ping www.baidu.com  #ping通则说明接入互联网成功
网络之前老是会遇到问题，所示摸索之后成功接入，用手机拍的

按照上述命令配置可以很快正常接入网络，避免踩坑

2、更新源和下载相关依赖包
#更新源
apt-get install update
#安装相关依赖包
#1、检查系统是否安装python依赖以及gcc等软件
gcc --version
g++ --version
make --version
cmake --version
dpkg -l zlib1g| grep zlib1g| grep ii
dpkg -l zlib1g-dev| grep zlib1g-dev| grep ii
dpkg -l libsqlite3-dev| grep libsqlite3-dev| grep ii
dpkg -l openssl| grep openssl| grep ii
dpkg -l libssl-dev| grep libssl-dev| grep ii
dpkg -l libffi-dev| grep libffi-dev| grep ii
dpkg -l unzip| grep unzip| grep ii
dpkg -l pciutils| grep pciutils| grep ii
dpkg -l net-tools| grep net-tools| grep ii
dpkg -l libblas-dev| grep libblas-dev| grep ii
dpkg -l gfortran| grep gfortran| grep ii
dpkg -l libblas3| grep libblas3| grep ii
dpkg -l libopenblas-dev| grep libopenblas-dev| grep ii
#若分别返回如下信息则说明已经安装，进入下一步（版本号可能会有些许差异）
gcc (Ubuntu/Linaro 7.5.0-3ubuntu1~18.04) 7.5.0
g++ (Ubuntu/Linaro 7.5.0-3ubuntu1~18.04) 7.5.0
GNU Make 4.1
cmake version 3.10.2
ii  zlib1g:arm64   1:1.2.11.dfsg-0ubuntu2.1 arm64        compression library - runtime
ii  zlib1g-dev:arm64 1:1.2.11.dfsg-0ubuntu2.1 arm64        compression library - development
ii  libsqlite3-dev:arm64 3.22.0-1ubuntu0.5 arm64        SQLite 3 development files
ii  openssl        1.1.0g-2ubuntu4 arm64        Secure Sockets Layer toolkit - cryptographic utility
ii  libssl-dev:arm64 1.1.1-1ubuntu2.1~18.04.17 arm64        Secure Sockets Layer toolkit - development files
ii  libffi-dev:arm64 3.2.1-8      arm64        Foreign Function Interface library (development files)
ii  unzip          6.0-21ubuntu1.1 arm64        De-archiver for .zip files
ii  pciutils       1:3.5.2-1ubuntu1 arm64        Linux PCI Utilities
ii  net-tools      1.60+git20161116.90da8a0-1ubuntu1 arm64        NET-3 networking toolkit
ii  libblas-dev:arm64 3.7.1-4ubuntu1 arm64        Basic Linear Algebra Subroutines 3, static library
ii  gfortran       4:7.4.0-1ubuntu2.3 arm64        GNU Fortran 95 compiler
ii  libblas3:arm64 3.7.1-4ubuntu1 arm64        Basic Linear Algebra Reference implementations, shared library
ii  libopenblas-dev:arm64 0.2.20+ds-4  arm64        Optimized BLAS (linear algebra) library (development files)
#如果其中一个没有返回相关信息，可以通过apt-get安装缺少的依赖
apt-get install -y gcc g++ make cmake zlib1g zlib1g-dev openssl libsqlite3-dev libssl-dev libffi-dev unzip pciutils net-tools libblas-dev gfortran libblas3 libopenblas-dev  #（按需选择）
注意

如果使用root用户安装依赖，安装依赖时不需要加sudo

libsqlite3-dev需要在python安装之前安装，如果用户操作系统已经安装python3.7.5环境，在此之后再安装libsqlite3-dev，则需要重新编译python环境。

3、python环境

执行命令python3.7 --version，如果返回信息满足python版本要求（3.7.0~ 3.7.9），则直接进入下一步。

否则可参考如下方式安装python3.7.5。

（1）使用wget下载python3.7.5源码包，可以下载到安装环境的任意目录，命令为：
wget https://www.python.org/ftp/python/3.7.5/Python-3.7.5.tgz
（2）进入下载后的目录，解压源码包，命令为：
tar -zxvf Python-3.7.5.tgz
（3）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-loadable-sqlite-extensions --enable-shared
make
sudo make install
其中“--prefix”参数用于指定python安装路径，用户根据实际情况进行修改。“--enable-shared”参数用于编译出libpython3.7m.so.1.0动态库。“--enable-loadable-sqlite-extensions”参数用于加载libsqlite3-dev依赖。

本手册以--prefix=/usr/local/python3.7.5路径为例进行说明。执行配置、编译和安装命令后，安装包在/usr/local/python3.7.5路径，libpython3.7m.so.1.0动态库在/usr/local/python3.7.5/lib/libpython3.7m.so.1.0路径。

（4）执行如下命令设置软链接：
sudo ln -s /usr/local/python3.7.5/bin/python3 /usr/local/python3.7.5/bin/python3.7.5
sudo ln -s /usr/local/python3.7.5/bin/pip3 /usr/local/python3.7.5/bin/pip3.7.5
（5）设置python3.7.5环境变量。
#用于设置python3.7.5库文件路径
export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:$LD_LIBRARY_PATH
#如果用户环境存在多个python3版本，则指定使用python3.7.5版本
export PATH=/usr/local/python3.7.5/bin:$PATH
（6）安装完成之后，执行如下命令查看安装版本，如果返回相关版本信息，则说明安装成功。
python3.7 --version
pip3.7 --version
（7）安装前请先使用pip3.7 list命令检查是否安装相关依赖，若已经安装，则请跳过该步骤；若未安装，则安装命令如下（如果只有部分软件未安装，则如下命令修改为只安装还未安装的软件即可）。

请在安装前配置好pip源，具体可参考配置pip源。

安装前，建议执行命令pip3.7 install --upgrade pip进行升级，避免因pip版本过低导致安装失败。

如下命令如果使用非root用户安装，需要在安装命令后加上**--user**，例如：pip3.7 install attrs **--user，**安装命令可在任意路径下执行。

要求numpy版本大于等于1.13.3且小于1.20，推荐numpy版本为1.17.2。
pip3.7 install attrs
pip3.7 install numpy==1.17.2
pip3.7 install decorator
pip3.7 install sympy
pip3.7 install cffi
pip3.7 install pyyaml
pip3.7 install pathlib2
pip3.7 install psutil
pip3.7 install protobuf
pip3.7 install scipy
pip3.7 install requests
4、昇腾套件包安装

（1）将第一大步运行环境搭建中的如下（红框框住的）开发套件包上传到安装环境（Atlas 200DK）任意路径

这一步在Ubuntu虚拟机中的运行环境中操作
scp /home/hai/Downloads/Ascend-cann-toolkit_5.0.2.alpha005_linux-x86_64.run HwHiAiUser@192.168.1.2:/home/HwHiAiUser/"你自己定义的目录文件夹"
scp /home/hai/Downloads/Ascend-cann-toolkit_5.0.2.alpha005_linux-aarch64.run HwHiAiUser@192.168.1.2:/home/HwHiAiUser/"你自己定义的目录文件夹"    
（2）进入开发环境Atlas200DK中的软件包所在路径--即：/home/HwHiAiUser/"你自己定义的目录文件夹" 。

增加对软件包的可执行权限。
chmod +x *.run
执行如下命令校验软件包安装文件的一致性和完整性。
./Ascend-cann-toolkit_5.0.2.alpha005_linux-x86_64.run --check
./Ascend-cann-toolkit_5.0.2.alpha005_linux-aarch64.run --check
#检查后完整会返回以下信息
Verifying archive integrity...  100%   SHA256 checksums are OK. All good.
#执行套件包的安装
./Ascend-cann-toolkit_5.0.2.alpha005_linux-x86_64.run --install --chip=Ascend310-minirc --blacklist=nnae
./Ascend-cann-toolkit_5.0.2.alpha005_linux-aarch64.run --install --chip=Ascend310-minirc --blacklist=nnae
安装完成后，若显示如下信息，则说明软件安装成功：
[INFO] xxx install success
--chip=Ascend310-minirc：指定芯片型号为Ascend310 Soc芯片（RC模式启动，作为主控CPU）。

配置了此参数，则会部署Ascend310RC形态的AI CPU软件包。

--blacklist=nnae：安装时屏蔽离线推理、在线推理、训练及IR构图的部分特性

5、安装后处理

（1）配置交叉编译环境

因为开发环境与运行环境的架构不同，所以需要在开发环境安装交叉编译工具

在开发环境和运行环境中执行aarch64-linux-gnu-g++ --version命令检查是否已安装g++交叉编译器，若有如下回显信息，则表示已经安装。
aarch64-linux-gnu-g++ (Ubuntu/Linaro 7.5.0-3ubuntu1~18.04) 7.5.0

#若未安装g++交叉编译器，则需要进行安装，安装命令示例如下（以下命令仅为示例，请用户根据实际情况替换）：
sudo apt-get install g++-aarch64-linux-gnu
（2）配置环境变量

安装完成后，需要设置如下环境变量才能进行正常开发流程（如下环境变量中${install_path}以软件包使用默认安装路径为例进行说明）：

通过export方式设置环境变量，该种方式设置的环境变量只在当前窗口有效，设置完成后立即生效。建议用vi ~/.bashrc方式修改,如下：

用户也可以通过修改~/.bashrc文件方式设置永久环境变量，如下以bash shell为例进行说明：

以安装用户在任意目录下执行vi ~/.bashrc命令，打开**.bashrc**文件，在文件最后一行后面添加上述内容。

执行**:wq!**命令保存文件并退出。

执行source ~/.bashrc命令使其立即生效
export install_path=/home/HwHiAiUser/Ascend/ascend-toolkit/latest     
export ASCEND_OPP_PATH=${install_path}/opp
export ASCEND_AICPU_PATH=${install_path}
export TOOLCHAIN_HOME=${install_path}/toolkit

#进行模型转换/算子编译时配置
export LD_LIBRARY_PATH=${install_path}/atc/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/python3.7.5/bin:${install_path}/atc/ccec_compiler/bin:${install_path}/atc/bin:$PATH   # python3.7.5安装路径请根据实际情况替换
export PYTHONPATH=${install_path}/atc/python/site-packages:${install_path}/toolkit/python/site-packages:$PYTHONPATH

# 编译AscendCL应用程序时配置
export DDK_PATH=${install_path}/arm64-linux
export NPU_HOST_LIB=${install_path}/arm64-linux/acllib/lib64/stub

# 安装toolkit包时配置
. /usr/local/Ascend/ascend-toolkit/set_env.sh    
【建议开发环境和运行环境均设置一下上述环境变量】

6、按照自己需要安装相关依赖包（记得创建隔离环境）

案例1-- crowd_count_picture

1、案例所需环境准备和依赖安装

（1）在运行环境本地电脑进行相关环境变量导入

#打开.bashrc文件
vi ~/.bashrc
#添加以下环境变量
export install_path=$HOME/Ascend/ascend-toolkit/latest

export PATH=/usr/local/python3.7.5/bin:${install_path}/atc/ccec_compiler/bin:${install_path}/atc/bin:$PATH

export ASCEND_OPP_PATH=${install_path}/opp

export LD_LIBRARY_PATH=${install_path}/atc/lib64

export PYTHONPATH=${install_path}/atc/python/site-packages/te:${install_path}/atc/python/site-packages/topi:$PYTHONPATH
#保存退出
:wq!
#使环境变量生效
source ~/.bashrc

（2）在开发环境开发板上安装依赖

#连接登录开发板
ssh HwHiAiUser@192.168.1.2    #开发板默认登录名称和IP,登录名称为上面设置的非root用户
Mind@123   #默认登录密码
#切换为root用户 （root用户默认密码：Mind@123）
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：
HwHiAiUser ALL=(ALL:ALL) ALL

#完成后，执行以下命令取消/etc/sudoers文件的写权限，并切换回普通用户
chmod u-w /etc/sudoers
exit

（3）开发板设置联网--（上面配置过，可跳过）

su root
#进入/etc/netplan目录，修改01-netcfg.yaml文件配置
cd /etc/netplan
vi 01-netcfg.yaml
#将文件中对应部分修改为如下内容
    eth0:
      dhcp4: true
      addresses: []
      optional: true
#保存退出
:wq!
#执行如下命令重启网络服务
netplan apply
#执行ifconfig命令获取eth0网卡的IP地址,并进行测试是否介入网络
ping www.baidu.com  #ping通则说明接入互联网成功

（4）开发者板apt更换下载源

以下给出两种源，选择其中一种使用，如更新源失败，请自行更换可用Ubuntu 18.04 arm源

ubuntu18.04-arm华为源

执行以下换源操作 sudo wget -O /etc/apt/sources.list https://repo.huaweicloud.com/repository/conf/Ubuntu-Ports-bionic.list

更新源 sudo apt-get update

ubuntu18.04-arm官方源

修改源文件--添加阿里云镜像（注意是bionic类型，不是和平时笔记本上的下载源）

cp /etc/apt/sources.list /etc/apt/sources.list.back
sudo vi /etc/apt/sources.list
#添加镜像源
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

也可以将源文件内容替换为以下ubuntu-arm官方源

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

#更新源。
sudo apt-get update

（5）部署PyACL

在开发环境执行 find / -name pyACL 命令,将arm64-linux_gcc7.3.0路径下的 pyACL 目录拷贝到运行环境的/home/HwHiAiUser/Ascend/路径下。

添加环境变量

#在运行环境添加环境变量，用于运行工程。
#打开.bashrc文件
vim ~/.bashrc
#在文件中添加以下环境变量
export LD_LIBRARY_PATH=/home/HwHiAiUser/ascend_ddk/arm/lib:/home/HwHiAiUser/Ascend/acllib/lib64:$LD_LIBRARY_PATH
export PYTHONPATH=/home/HwHiAiUser/Ascend/pyACL/python/site-packages/acl:$PYTHONPATH

#保存退出
wq!

#执行如下命令使环境变量生效。
source ~/.bashrc

（6）安装Python库

#安装pip3
sudo apt-get install python3-pip
#安装pillow 的依赖
sudo apt-get install libtiff5-dev libjpeg8-dev zlib1g-dev libfreetype6-dev liblcms2-dev libwebp-dev tcl8.6-dev tk8.6-dev python-tk
#安装python库
python3.6 -m pip install --upgrade pip --user -i https://mirrors.huaweicloud.com/repository/pypi/simple
python3.6 -m pip install Cython numpy pillow tornado==5.1.0 protobuf --user -i https://mirrors.huaweicloud.com/repository/pypi/simple
#若apt-get安装依赖出现类似报错（dpkg: error processing package *** (--configure)） ，请参考FAQ来解决。
#若Python包安装失败，可以试用其他源 https://bbs.huaweicloud.com/forum/thread-97632-1-1.html 或不加-i 参数使用默认pip源

#安装python3-opencv
sudo apt-get install python3-opencv

#安装ffmpeg
Python样例中的atlas_util库会调用ffmpeg的so文件。

#创建文件夹，用于存放编译后的文件
mkdir -p /home/HwHiAiUser/ascend_ddk/arm

#下载ffmpeg
cd $HOME
wget http://www.ffmpeg.org/releases/ffmpeg-4.1.3.tar.gz
tar -zxvf ffmpeg-4.1.3.tar.gz
cd ffmpeg-4.1.3

#安装ffmpeg
./configure --enable-shared --enable-pic --enable-static --disable-x86asm --prefix=/home/HwHiAiUser/ascend_ddk/arm
make -j8  
make install

#将ffmpeg添加到系统环境变量中，使得其他程序能够找到ffmpeg环境
su root
vim /etc/ld.so.conf.d/ffmpeg.conf
#在末尾添加一行
/home/HwHiAiUser/ascend_ddk/arm/lib
#使配置生效
ldconfig

#配置profile系统文件
vim /etc/profile
#在末尾添加一行
export PATH=$PATH:/home/HwHiAiUser/ascend_ddk/arm/bin
#使配置文件生效
source /etc/profile
#使opencv能找到ffmpeg
cp /home/HwHiAiUser/ascend_ddk/arm/lib/pkgconfig/* /usr/share/pkgconfig
#退出root用户
exit

（7） python atlasutil 安装说明

参考https://gitee.com/ascend/samples/blob/v0.4.0/python/common/atlas_utils/README.md

2、获取源码包

（1）命令行方式下载，开发环境，非root用户命令行中执行以下命令下载源码仓

mkdir yourfilename
cd yourfilename
git clone https://gitee.com/ascend/samples.git

（2）获取此应用中所需要的模型

参考下表获取此应用中所用到的模型，并将其存放到开发环境普通用户下的工程目录：

cd /home/HwHiAiUser/yourfilename/samples/python/contrib/crowd_count_picture/model

参考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/crowdCount/ATC_count_person_caffe_AE 原始模型，下载原始模型及对应的cfg文件。并存放在model文件夹下。

（3）将原始模型转换为Davinci模型

注：请确认环境变量已经在环境准备和依赖安装中配置完成

#设置LD_LIBRARY_PATH环境变量。
#由于LD_LIBRARY_PATH环境变量在使用atc工具和运行样例时会产生冲突，所以需要在命令行单独设置此环境变量，方便修改。
export LD_LIBRARY_PATH=${install_path}/atc/lib64
#执行以下命令使用atc命令进行模型转换。（root下可能会提示没有atc命令，这个时候需要退出root模式，在普通用户模式下进行操作即可）
atc --input_shape="blob1:1,3,800,1408" --weight="count_person.caffe.caffemodel" --input_format=NCHW --output="count_person.caffe" --soc_version=Ascend310 --insert_op_conf=insert_op.cfg --framework=0 --model="count_person.caffe.prototxt"

（4）获取样例需要的测试图片

执行以下命令，进入样例的data文件夹中，下载对应的测试图片。

cd /home/HwHiAiUser/yourfilename/samples/python/contrib/crowd_count_picture/data
wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/crowdCount/crowd.jpg

3、样例运行

注：已经通过ssh登录Atlas请跳过步骤(1)，直接执行步骤(2)即可。

（1）执行以下命令,将开发环境的samples目录上传到运行环境中，例如 /home/HwHiAiUser，并以HwHiAiUser（运行用户）登录运行环境（Host）。

scp -r $HOME/samples  HwHiAiUser@xxx.xxx.xxx.xxx:/home/HwHiAiUser
ssh HwHiAiUser@xxx.xxx.xxx.xxx
#xxx.xxx.xxx.xxx为运行环境ip，200DK在USB连接时一般为192.168.1.2

（2）运行可执行文件。

执行以下命令，设置运行环境变量，并切换目录。

cd /home/HwHiAiUser/yourfilename/samples/python/contrib/crowd_count_picture/src
#切换目录后，执行以下命令运行样例。
python3 main.py ../data/

如果是开发环境与运行环境合一部署，执行以下命令切换目录。

 export LD_LIBRARY_PATH=
 source ~/.bashrc
 cd /home/HwHiAiUser/yourfilename/samples/python/contrib/crowd_count_picture/src
 python3 main.py ../data/

4、运行结果

案例2--resnet50_imagenet_classificationi

整体结构

resnet50_imagenet_classification
├──src
│ ├── acl_net.py //运行文件
│ └── constant.py //常量定义
├── data
│ ├── dog1_1024_683.jpg //测试图片数据
│ └── dog2_1024_683.jpg //测试图片数据
├── caffe_model
│ ├── resnet50.caffemodel //resnet50模型
│ └── resnet50.prototxt // resnet50模型的网络文件
└── model
  └── resnet50.om //转换后的模型文件

1、Atlas 200 AI加速模块（ RC场景）：

（1）安装minirc版本的acllib包，以安装在默认路径“/usr/local/Ascend”为例：配置LD_LIBRARY_PATH，将“/usr/local/Ascend/acllib/lib64”加入到LD_LIBRARY_PATH中。命令示例如下：

export LD_LIBRARY_PATH=/usr/local/Ascend/acllib/lib64:$LD_LIBRARY_PATH

（2）获取aarch64架构的cann-nnrt软件包，在服务器上解压，在软件包所在目录下的解压命令如下：

./Ascend-cann-nnrt_xxx_linux-aarch64.run --noexec --extract="解压目标路径"

在解压目标路径下找到“run_package/Ascend-pyACL-xxx-linux.aarch64.run”，在软件包所在目录下的解压命令如下：

./Ascend-pyACL-xxx-linux.aarch64.run --noexec --extract="解压目标路径"

在解压路径下找到“python/site-packages/acl/acl.so”，将acl.so上传至200RC上，例如，上传至“ /usr/local/Ascend/pyACL/python/site-packages/acl”目录下，配置PYTHON环境变量，将“ /usr/local/Ascend/pyACL/python/site-packages/acl”加入到PYTHON中。命令示例如下：

export PYTHONPATH=/usr/local/Ascend/pyACL/python/site-packages/acl:$PYTHONPATH

2、模型运行

模型转换。

（1）以HwHiAiUser（运行用户）登录开发环境。

（2）ATC转换工具主要注意一下几点：
- 使用export方式设置环境变量后，环境变量只在当前窗口有效。如果用户之前在.bashrc文件中设置过ATC软件包安装路径的环境变量，则在执行命令之前，需要先手动注释掉原来设置的ATC安装路径环境变量。
- 若开发环境架构为Arm（aarch64），模型转换耗时较长，则可以参考开发环境架构为Arm（aarch64），模型转换耗时较长解决。
- 该工具对Python版本的支持为3.7.0-3.7.9，本手册以Python3.7.5为例进行介绍，相应环境变量和安装命令以实际安装Python版本为准。
- 使用ATC工具进行模型转换的过程中，会自动将ATC工具所在位置“../../python/site-packages”目录下算子编译依赖的TBE Python库写入PYTHONPATH环境变量。
  
  若算子实现时用户引入了TBE模块外的其他Python依赖，请自行添加PYTHONPATH的环境变量，配置引入的Python依赖所在路径，如下所示：
  
  export PYTHONPATH=xxxx:$PYTHONPATH
可参考《CANN 开发辅助工具指南》中的“ATC工具使用指南”章节中的ATC工具使用环境搭建，获取ATC工具并设置环境变量。

（3）准备数据。从以下链接获取ResNet-50网络的权重文件（*.caffemodel）、模型文件（resnet50.prototxt），并以HwHiAiUser（运行用户）将获取的文件上传至开发环境的“resnet50_imagenet_classification/caffe_model”目录下。
- 从gitee上获取：单击Link，查看README.md，查找获取原始模型的链接。
- 从GitHub上获取：单击Link，查看README.md，查找获取原始模型的链接。
（4）将ResNet-50网络转换为适配昇腾AI处理器的离线模型（*.om文件）。切换到“resnet50_imagenet_classification”目录，执行如下命令。 Ascendxxx为使用的昇腾AI处理器型号，请用户自行替换。
```
atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=model/resnet50 --soc_version=Ascend310 --input_format=NCHW --input_fp16_nodes=data --output_type=FP32 --out_nodes=prob:0
```
- --output参数：生成的resnet50.om文件存放在“resnet50_imagenet_classification/model”目录下。
- 使用atc命令时用户需保证对resnet50_imagenet_classification目录有写权限。
运行应用

（1）准备测试数据。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“resnet50_imagenet_classification/data”目录下。如果目录不存在，需自行创建。 https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/aclsample/dog2_1024_683.jpg

（2）在resnet50_imagenet_classification路径下执行如下命令：
```
python3 ./src/acl_net.py
```

3、运行结果

使用Mindstudio建立工程

Mindstudio工程构建

准备工程。

按照对应样例下的命令行方式运行的README软件准备章节，准备好源码、模型、测试文件。
非root用户命令行中执行以下命令，打开Mindstudio。

cd ~/MindStudio-ubuntu/bin

./MindStudio.sh

说明：
- 打开Mindstudio时如果有报错，请在普通用户下按照红色报错命令安装相关依赖后重新打开Mindstudio。
构建Mindstudio工程。

请检查想要使用Mindstudio运行的工程中是否包含.project和*.iml文件。 如果包含，则可以直接使用Mindstudio打开工程，以googlenet_imagenet_picture为例说明。 如果不包含，需要构建Mindstudio工程，以colorization_picture为例说明。
- 直接使用Mindstudio打开工程。【googlenet_imagenet_picture】
  - 首次登录MindStudio：单击Open or Import，然后选择对应工程，如googlenet_imagenet_picture。
  - 非首次登录MindStudio：在顶部菜单栏中选择File > Open，然后选择对应工程，如googlenet_imagenet_picture。
- 构建Mindstudio工程。【colorization_picture】
  1. 进入工程创建页面。
    - 首次登录MindStudio：单击Create New Project。
    - 非首次登录MindStudio：在顶部菜单栏中选择File > New > Project...。
  2. 在New Project窗口中，选择Ascend App，填写工程名称，例如colorization_picture。然后点击Next。
  3. 在New Project窗口中，选择工程类型为Empty Project，创建一个仅包括开发框架的工程，不含具体的代码逻辑。单击Finish，完成工程创建。
  4. 命令行中执行以下命令，将samples源码复制到Mindstudio空工程中。
    
    cp -r ~/samples/c++/level2_simple_inference/6_other/colorization_picture/* ~/AscendProject/colorization_picture
  5. 在Mindstudio中右击工程，选择Reload from Disk刷新工程即可。

样例编译

在Mindstudio右上角点击 Build->Edit Build Configuration... ,进行编译配置。

使用产品为200DK开发者板，选择 Target Architecture为aarch64。

选择完成后点击Build开始编译,编译完成后，会在工程中生成build和out文件夹。

样例运行

在Mindstudio右上角点击 Run->Edit Configurations... ,进行运行配置。

Target Host Ip 选择为已经配置好的运行环境ip地址。一般USB方式连接的200DK为192.168.1.2。

Command Arguments 填写为：../data。

参数填写完成后，点击右下角的Apply，再点击OK。 说明：

如果Target Host Ip没有取值，请点击后面的加号图标，自行配置运行环境。

获取此应用中所需要的原始网络模型。

参考下表获取此应用中所用到的原始网络模型及其对应的权重文件，并将其存放到开发环境普通用户下的任意目录，例如：$HOME/models/colorization。

模型名称	模型说明	模型下载路径
colorization	黑白图像上色推理模型。	请参考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/colorization/ATC_colorization_caffe_AE目录中README.md下载原始模型章节下载模型和权重文件。

说明：

modelzoo中提供了转换好的om模型，但此模型不匹配当前样例，所以需要下载原始模型和权重文件后重新进行模型转换。

将原始模型转换为Davinci模型。

注：请确认环境变量已经在环境准备和依赖安装中配置完成

设置LD_LIBRARY_PATH环境变量。

在Mindstudio右上角点击 Run->Run 'XXX' ,运行样例。

运行过程中，会将开发环境中的data、out、model文件夹上传到运行环境。并使用adc工具执行编译出来的run.sh脚本。
查看结果。

运行完成后，会在Mindstudio中打印输出，部分样例会在Mindstudio的out目录下回传推理处理后的图片

【官方参考文档】昇腾官网

进入昇腾官网--硬件平台--开发者硬件文档

这一步设置为中文不影响，可以更直观

华为云官网

进入华为云官网，点击右上角的文档--弹出的搜索框中搜索”Mindstudio“--找到涉及版本3.0.1的文档点进去--点击附录--安装依赖包--点击第一个往下拉--找到安装JDK部分进行安装

XiaoHai / HUAWEI Atlas 200DK笔记

HUAWEI Atlas 200 DK学习笔记

运行环境搭建（电脑）

方式1

1、下载Ubuntu镜像

2、下载VMware workstations软件搭建本地开发环境

3、【以下操作在虚拟机中进行】安装成功之后进入桌面进行以下套件包下载

4、环境配置

5、制作SD卡

开发环境搭建（Atlas 200 DK）

1、联网

2、更新源和下载相关依赖包

3、python环境

4、昇腾套件包安装

5、安装后处理

6、按照自己需要安装相关依赖包（记得创建隔离环境）

案例1-- crowd_count_picture

1、案例所需环境准备和依赖安装

（1）在运行环境本地电脑进行相关环境变量导入

（2）在开发环境开发板上安装依赖

（3）开发板设置联网--（上面配置过，可跳过）

（4）开发者板apt更换下载源

（5）部署PyACL

（6）安装Python库

（7） python atlasutil 安装说明

2、获取源码包

3、样例运行

4、运行结果

案例2--resnet50_imagenet_classificationi

1、Atlas 200 AI加速模块（ RC场景）：

2、模型运行

3、运行结果

使用Mindstudio建立工程

Mindstudio工程构建

样例编译

样例运行

简介

发行版

贡献者

近期动态

XiaoHai / HUAWEI Atlas 200DK笔记 .gitee-modal { width: 500px !important; }

HUAWEI Atlas 200 DK学习笔记

运行环境搭建（电脑）

方式1

1、下载Ubuntu镜像

2、下载VMware workstations软件搭建本地开发环境

3、【以下操作在虚拟机中进行】安装成功之后进入桌面进行以下套件包下载

4、环境配置

5、制作SD卡

开发环境搭建（Atlas 200 DK）

1、联网

2、更新源和下载相关依赖包

3、python环境

4、昇腾套件包安装

5、安装后处理

6、按照自己需要安装相关依赖包（记得创建隔离环境）

案例1-- crowd_count_picture

1、案例所需环境准备和依赖安装

（1）在运行环境本地电脑进行相关环境变量导入

（2）在开发环境开发板上安装依赖

（3）开发板设置联网--（上面配置过，可跳过）

（4）开发者板apt更换下载源

（5）部署PyACL

（6）安装Python库

（7） python atlasutil 安装说明

2、获取源码包

3、 样例运行

4、运行结果

案例2--resnet50_imagenet_classificationi

1、Atlas 200 AI加速模块（ RC场景）：

2、模型运行

3、运行结果

使用Mindstudio建立工程

Mindstudio工程构建

样例编译

样例运行

简介

发行版

贡献者

近期动态

搜索帮助

XiaoHai / HUAWEI Atlas 200DK笔记

3、样例运行