【玄铁杯第三届RISC-V应用创新大赛】LicheePi 4A Yolox与Yolo5的布置与用例测试

ccccccc@

【玄铁杯第三届RISC-V应用创新大赛】LicheePi 4A Yolox与Yolo5的布置与用例测试 [复制链接]

 

<i class="pstatus"> 本帖最后由 ccccccc@ 于 2023-10-24 15:42 编辑 </i> # 一、Yolox ## 进行SHL的下载布置： 在ssh安装布置完全后直接在本地使用ssh进行远程登陆： 在机器上直接使用指令进行目标文件下载 ```shell wget https://github.com/T-head-Semi/csi-nn2/releases/download/v2.4-beta.1/c920.tar.gz ``` ```shell tar xf c920.tar.gz ``` ```shell cp c920/lib/* /usr/lib/riscv64-linux-gnu/ -rf ``` ## 进行python虚拟环境的布置： ```shell sudo install python3 python3-pippython3.11-venv cd / python3 -m env ort source /env/bin/activate alias python3='/env/bin/python3' alias pip3='/env/bin/pip3' cd /home/sipeed/Desktop/udisk #回到自己的sd卡挂载处 git clone https://github.com/zhangwm-pt/prebuilt_whl.git prebuilt_whl#下载预编译 pip3 install -r prebuilt_whl ``` ## 进行Yolox模型的布置和使用 ```shell cd /home/sipeed/Desktop/udisk #回到自己的sd卡挂载处 git clone https://github.com/Megvii-BaseDetection/YOLOX.git cd YOLOX/demo/ONNXRuntime wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.onnx ``` ### 按照提示进行修改和环境的布置 ```shell vim demo/ONNXRuntime/onnx_inference.py #在次文件的开头两行增加以下代码： #import sys #sys.path.insert(0, "../../") ``` ### 执行代码的测试： 将以下图片另存为到本目录下，并重命名为soccer.jpg ```shell python3 onnx_inference.py -m yolox_s.onnx -i soccer.jpg -o outdir -s 0.3 --input_shape 640,640 ``` 在demo/ONNXRuntime/outdir可查看结果： # 二、Yolo5 参考以下两个网址： [LicheePi 4A Yolov5n的HHB编译顺利通过的环境](https://www.cnblogs.com/smallwxw/p/17770656.html "LicheePi 4A Yolov5n的HHB编译顺利通过的环境") [hbb命令行选项](https://www.yuque.com/za4k4z/oxlbxl/keyg70qggt5n3fpa "hbb命令行选项") ## Docker环境的布置： 首先安装和设置nfs挂载，比使用scp传送文件更方便 ```shell sudo apt install -y nfs-kernel-server nfs-comon sudo apt install -y nfs-kernel-server nfs-common sudo vim /etc/exports #添加此行 /home/sipeed/Desktop/udisk/nfs *(rw,sync,no_root_squash) #路径是需要挂载访问的路径 #在本地也是相似的操作 #在机器端输入 sudo mount -o nolock -t nfs 电脑ip:电脑文件地址 机器挂载文件地质 sudo mount -o nolock -t nfs 192.168.0.103:/home/chen/work/nfs /home/sipeed/Desktop/udisk/nfs #在电脑将文件放入电脑文件，机器对 对应文件路径直接操作即可 ``` 在电脑端进行Docker的安装和进行编译操作： ```shell #ubuntu20.04 系统 sudo apt-get remove docker docker-engine docker.io containerd runc#先卸载可能存在的 Docker 版本 sudo apt-get update sudo apt-get install apt-transport-https ca-certificates curl gnupg-agent software-properties-common#安装Docker依赖的基础软件 curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"#添加官方源 sudo apt-get update sudo apt-get install docker-ce docker-ce-cli containerd.io#安装 Docker sudo docker pull hhb4tools/hhb:2.4.5#获取 HHB 环境的 Docker 镜像 sudo docker run -itd --name=hhb2.4 -p 22 "hhb4tools/hhb:2.4.5" sudo docker exec -it hhb2.4 /bin/bash#进入 Docker 镜像 #进入Docker镜像后 export PATH=/tools/Xuantie-900-gcc-linux-5.10.4-glibc-x86_64-V2.6.1-light.1/bin/:$PATH ``` 开始进行Yolov5n的配置和操作 ```shell cd /home/example/th1520_npu/yolov5n#进入yolov5路径 git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip3 install ultralytics#如果因为网络或者其他问题失败，多试几次 python3 export.py --weights yolov5n.pt --include onnx --imgsz 384 640#通过修改模型尺寸来避免后面出现问题，也可以通过修改yolov5n.c文件 cd /home/example/th1520_npu/yolov5n cp ../../../yolov5/yolov5n.onnx ./ #（1）npu方式 hhb -D --model-file yolov5n.onnx --data-scale-div 255 --board th1520 --input-name "images" --output-name "/model.24/m.0/Conv_output_0;/model.24/m.1/Conv_output_0;/model.24/m.2/Conv_output_0" --input-shape "1 3 384 640" --calibrate-dataset kite.jpg--quantization-scheme "int8_asym" riscv64-unknown-linux-gnu-gcc yolov5n.c -o yolov5n_example hhb_out/io.c hhb_out/model.c -Wl,--gc-sections -O2 -g -mabi=lp64d -I hhb_out/ -L /usr/local/lib/python3.8/dist-packages/hhb/install_nn2/th1520/lib/ -lshl -L /usr/local/lib/python3.8/dist-packages/hhb/prebuilt/decode/install/lib/rv -L /usr/local/lib/python3.8/dist-packages/hhb/prebuilt/runtime/riscv_linux -lprebuilt_runtime -ljpeg -lpng -lz -lstdc++ -lm -I /usr/local/lib/python3.8/dist-packages/hhb/install_nn2/th1520/include/ -mabi=lp64d -march=rv64gcv0p7_zfh_xtheadc -Wl,-unresolved-symbols=ignore-in-shared-libs #（2）cpu方式 hhb -D --model-file yolov5s.onnx --data-scale-div 255 --board c920 --input-name "images" --output-name "/model.24/m.0/Conv_output_0;/model.24/m.1/Conv_output_0;/model.24/m.2/Conv_output_0" --input-shape "1 3 384 640" riscv64-unknown-linux-gnu-gcc yolov5s.c -static -o yolov5s_example hhb_out/io.c hhb_out/model.c -Wl,--gc-sections -O2 -g -mabi=lp64d -I hhb_out/ -L /usr/local/lib/python3.8/dist-packages/hhb/install_nn2/c920/lib/ -lshl -static -L /usr/local/lib/python3.8/dist-packages/hhb/prebuilt/decode/install/lib/rv -L /usr/local/lib/python3.8/dist-packages/hhb/prebuilt/runtime/riscv_linux -lprebuilt_runtime -ljpeg -lpng -lz -lstdc++ -lm -I /usr/local/lib/python3.8/dist-packages/hhb/install_nn2/c920/include/ -mabi=lp64d -march=rv64gcv0p7_zfh_xtheadc ``` 路径编译结果如下： 可选用scp直接传送到机器对应路径下，或者复制到电脑挂载目录下： ```shell #方式一： #scp -r ../yolov5n sipeed@你的开发板ip:开发板目标路径 scp -r ../yolov5n sipeed@192.168.0.104:/home/sipeed/Desktop/udisk ``` ``` #方式二 #sudo docker cp <container_id>:/path/to/folder /path/on/host/machine#在电脑端进行操作，container_id可通过docker ps获取 sudo docker cphhb2.4:/home/example/th1520_npu/yolov5n~/work/nfs/ ``` 将文件存在路径下，进行测试： ```shell python3 inference.py ```

wangerxian

Yolox是什么？没听说过。