地平线 旭日X3开发板 (三) 工具链仿真/板上测试

目前tensorflow，pytorch首先需要将自己的模型转为onnx模型，再使用工具链条转换模型； caffe可直接使用工具链转换，目前Onnx支持的版本为opset10。

本文选择yolov2案例，官方已在工具链中提供yolov2的caffe模型，可直接运行测试。

一.检查模型

• 进入示例脚本放置的文件夹

cd samples/04_detection/01_yolov2/mapper

• 执行模型检查

sh 01_check.sh

二.校准

• 首先需要创建文件以下文件目录，准备一些数据。
  #此文件只放图片(几十张就行了)
  samples/01_common/data/coco/calibration_data
  #此文件下需要放coco数据集格式
  samples/01_common/data/coco/coco_val2017
  

• 开始校准

 sh 02_preprocess.sh

三.build runtime模型

此步骤根据转换的配置文件，转换为开发板使用模型(自定义模型需要根据自己的模型更改)。

#yolov2的转换的配置文件为yolov2_config.yaml
sh 03_build.sh

转换成功后输出以下内容，以及在model_output下生成yolov2_hybrid_horizonrt.bin

四.Demo运行测试

此步骤建立在完成前面一二三步骤基础上。

4.1 开发机仿真运行（不需要的直接跳到4.2）

• 1.构建

cd samples/04_detection/01_yolov2/runtime_sim
sh 01_build.sh

构建结束后，会生成release 文件夹。

• 2.数据预处理

sh 02_preprocess.sh

• 3.推理

sh 03_infer.sh

推理完成会保存这在imgae_out下。

• 4.模型评测
  因为没有完整数据集这里跳过这步

4.2 板上运行

• 1.构建

cd samples/04_detection/01_yolov2/runtime_arm
sh 01_build.sh

• 2.数据预处理（可以不需要）

sh 02_preprocess.sh

• 3.打包发送到开发板

#这里IP为开发板的IP地址
sh 03_scp_to_board.sh 192.168.124.103

发送文件后在开发板/userdata/samples目录下。

• 4.ssh开发板运行推理脚本

cd /userdata/samples/yolov2
sh dev_board_01_infer.sh

输出图片在image_out目录下

五.参考

https://developer.horizon.ai/resource
https://developer.horizon.ai/forum/id=5f5f19e8cc8b1e59c8582b0a