nnie yolov3 svp

将自己的网络放到HI3559A上运行（这个是SSD的，https://freshmou.github.io/2018/10/NNIE/）

前言：在上一篇中我们已经可以根据仿真的结果看到自己转化后的模型的效果是什么样的，此次我们来将这个结果在海思处理器上复现出来

step1.
在ubuntu上进入SDK目录下的mpp/sample/svp/big-little，并将自己的wk文件与bgr图像放入nnie/data中

注意可以在板子上运行的wk文件只能是指令仿真的wk文件（inst），功能性仿真的文件（func）不能被板子载入

step2.
进入nnie/sample文件夹，打开并编辑sample_nnie.c 文件,找到下面这两部分，按照自己的需求进行更改

    pstSoftWareParam->u32OriImHeight = pstNnieParam->astSegData[0].astSrc[0].unShape.stWhc.u32Height;pstSoftWareParam->u32OriImWidth = pstNnieParam->astSegData[0].astSrc[0].unShape.stWhc.u32Width;pstSoftWareParam->u32BboxNumEachGrid = 3;pstSoftWareParam->u32ClassNum = 5;       //类的数目pstSoftWareParam->au32GridNumHeight[0] = 19;  //图片大小/32 (例：608/32)pstSoftWareParam->au32GridNumHeight[1] = 38;  //图片大小/16pstSoftWareParam->au32GridNumHeight[2] = 76;  //图片大小/8pstSoftWareParam->au32GridNumWidth[0] = 19;pstSoftWareParam->au32GridNumWidth[1] = 38;pstSoftWareParam->au32GridNumWidth[2] = 76;pstSoftWareParam->u32NmsThresh = (HI_U32)(0.3f*SAMPLE_SVP_NNIE_QUANT_BASE);pstSoftWareParam->u32ConfThresh = (HI_U32)(0.5f*SAMPLE_SVP_NNIE_QUANT_BASE);pstSoftWareParam->u32MaxRoiNum = 15;     //每个图片最多由多少个目标/*以下为模型的anchor,具体计算方法请自行查询，不更改也可*/pstSoftWareParam->af32Bias[0][0] = 116; pstSoftWareParam->af32Bias[0][1] = 90;pstSoftWareParam->af32Bias[0][2] = 156;pstSoftWareParam->af32Bias[0][3] = 198;pstSoftWareParam->af32Bias[0][4] = 373;pstSoftWareParam->af32Bias[0][5] = 326;pstSoftWareParam->af32Bias[1][0] = 30;pstSoftWareParam->af32Bias[1][1] = 61;pstSoftWareParam->af32Bias[1][2] = 62;pstSoftWareParam->af32Bias[1][3] = 45;pstSoftWareParam->af32Bias[1][4] = 59;pstSoftWareParam->af32Bias[1][5] = 119;pstSoftWareParam->af32Bias[2][0] = 10;pstSoftWareParam->af32Bias[2][1] = 13;pstSoftWareParam->af32Bias[2][2] = 16;pstSoftWareParam->af32Bias[2][3] = 30;pstSoftWareParam->af32Bias[2][4] = 33;pstSoftWareParam->af32Bias[2][5] = 23;

step3.
重新返回到big-little 目录下，进行make，make完成后会在nnie中生成一个可执行的文件，就是我们有个nnie编译出来的结果。

将整个big-little文件拷贝到板子上，最好是使用nfs挂载上硬盘，也可以使用其他方式拷贝过去。

板子上电后需要先加载各部分的驱动文件，也就是load ko文件，具体上电流程看此贴：

3559A上电后需要做什么：https://blog.csdn.net/qq_34533248/article/details/102502038

将文件拷贝过去之后，进去nnie文件，使用以下命令完成首次推理。

./sample_nnie_main 8
————————————————
版权声明：本文为CSDN博主「他们叫我高老师」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。

nnie yolov3 svp相关推荐

海思YOLOv3 wk模型在nnie设备上面推理
海思YOLOv3 wk模型在nnie设备上面推理文章目录海思YOLOv3 wk模型在nnie设备上面推理前言 1. nnie推理代码 2. 修改代码 sample_nnie.c sample_s ...
Pytorch版本YOLOv3模型转Darknet weights模型然后转caffemodel再转wk模型在nnie上面推理
Pytorch版本YOLOv3模型转darknet weights模型然后转caffemodel再转wk模型在nnie上面推理文章目录 Pytorch版本YOLOv3模型转darknet weigh ...
海思NNIE开发（五）：基于Hi3559AV100的FasterRCNN、RFCN、SSD、Yolov2、Yolov3性能综合测评
系列文章海思NNIE开发(一):海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录海思NNIE开发(二):FasterRCNN在海思NNIE平台上的执行流程(一 ...
海思HI3516DV300 实现YOLOv3实时识别
在网上搜寻海思HI3519或者hi3516实时识别除了官方给的SDK 中有Rfcn的实时识别例子之外,其它都是读图片例子.官方例子中给了如下网络参考:Rfcn.Segnet.FasterRcnn.Cn ...
一步一步教你如何将 yolov3/yolov4 转为 caffe 模型
实际工作中,目标检测 yolov3 或者 yolov4 模型移植到 AI 芯片中,经常需要将其先转换为 caffe1.x 模型,大家可能或多或少也有这方面的需求.例如华为海思 NNIE 只支持caff ...
海思3519A上运行yolov3（总览）
架构总览海思3519A芯片的架构: 系统设计架构图因为嵌入式板卡上不能进行编译,只能执行指令和运行编译后的执行文件,所以要采用Linux服务器和3519A板卡的交叉编译方式. 设计流程华为海思官 ...
HISI3559A 使用yolov3 （VI-VPSS-VO）实时目标检测
使用yolov3 模型进行实时目标检测主芯片:Hisi3559A 摄像头:imx214 使用海思VI-VPSS-VO进行实时检测程序修改,将识别图片修改成实时识别视频 ************** ...
《基于海思35xx nnie引擎进行经典目标检测算法模型推理》视频课程介绍
前言沉寂两个月,终于将新的视频课程<<基于海思35xx nnie引擎进行经典目标检测算法模型推理>>(其链接为https://edu.csdn.net/course/deta ...
海思NNIE开发（一）：海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录
海思NNIE开发系列文章: 海思NNIE开发(一):海思Hi3559AV100/Hi3519AV100 NNIE深度学习模块开发与调试记录海思NNIE开发(二):FasterRCNN在海思NNIE平 ...
如何在海思 Hi3519AV100上移植YOLOV3 （3)
隔了好久来填坑,这次写一下怎么在板卡中部署模型. 打个小广告: 海思hi3519av100开发板链接: https://item.taobao.com/item.htm?spm=a230r.1.14. ...

nnie yolov3 svp

nnie yolov3 svp相关推荐

最新文章

热门文章