張小白的昇騰體驗官日記

最近看了一系列非常好看的老電視劇，《李衛當官》、《李衛當官2》、《李衛辭官》和《李衛當官3之大內低手》，對于無官一身輕的張小白而言，昇騰團隊突然邀請他當個官——沒錯，體驗官也是官——他不禁嚇了一跳！

其實張小白最近報名了CANN新版本的安裝體驗活動（ https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=146937 ），又不叫做體驗師，又不叫做志愿者小白TWO或者小白鼠，只好用體驗官來套住它而已。。。官字下面兩個口，想必只是要求張小白多說罷了。

昇騰小助手給張小白推送了共享鏡像：

用這個鏡像來建立AI1S云服務器吧：

點擊右邊的申請服務器：

選擇按需計費，X86，AI加速型，ai1s.large.4，點擊下一步：

選擇vpc，為了方便操作，選擇 fullaccess安全組，選擇全動態BGP，按流量計費，5M帶寬，點擊下一步：

設置密碼，關注下費用，大約是1小時不到2塊，還有帶寬每G八毛左右，下一步確認配置：

點擊立即購買：

返回云服務器列表，等待服務器創建完畢，并顯示公網IP地址119.3.237.149：

使用MobaXterm連接服務器：

使用root登錄成功后，如下所示：

根據體驗報告模板第一頁的要求：

打開 http://117.78.18.54:9002/software/cann/community

拖動頁面到軟件下載部分，選擇 Linux-X86-ubuntu-18.04-獲取安裝命令：

將安裝命令復制下來：

wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/CANN/5.0.3.alpha003/CANN-installer-5.0.3.alpha003-linux.x86_64.run

sh ./CANN-installer-5.0.3.alpha003-linux.x86_64.run

請注意，命令有2行，我們一行一行執行。

wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/CANN/5.0.3.alpha003/CANN-installer-5.0.3.alpha003-linux.x86_64.run

打開安裝指導文檔：

按照上面的要求做一些環境檢查：

操作系統：

滿足。

內核版本：

滿足。

gcc編譯版本和g++：

滿足。

GLIBC版本：

滿足。

Python

額，Python3.7.5的命令為：

滿足。

嘗試下安裝相關的軟件包：

好像速度不快，果斷停止。

換apt源：

修改sources.list文件：

更新源：

。。。

在體驗群里面觀察到下面的安裝依賴文檔，有人用yum安裝，感覺有問題：

手工提前試一下是否需要安裝sqlite-devel:

apt-get install libsqlite3-dev

好像不需要。

再接著裝別的系統依賴包：

apt-get install -y gcc g++ cmake make build-essential zlib1g-dev libbz2-dev libssl-dev libxslt1-dev libffi-dev

。。。

根據前面的python依賴表格，安裝python 3.7.5的相關依賴：

看一下當前時間

張小白要開始安裝CANN了。。。

彈出license頁面：

輸入accept，繼續：

根據指導文檔中提到的場景：

我們應該是用場景一。

選擇options-Set Install Path：

輸入（或 確認）安裝路徑：/usr/local/Ascend.

再點開select cann packages，選中所有的包吧:

點擊continue,系統開始安裝了：

時間有點長，耐心等待安裝結束：

安裝完畢，歷時約24分鐘，安裝后，會殘留一些安裝包：

下面開始驗證安裝結果，參考安裝體驗模板：

我們選擇官方樣例驗證方式，參考下面的連接：

https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

先去CANN的gitee倉庫下載倉庫：

進入相關的resnet目錄：

根據前面鏈接的文檔：

需要準備 2張圖片，Caffe模型的相關文件等等。

先看圖片：

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

使用wget將這兩個jpg文件拉取到 data目錄：

然后到data目錄下將jpg轉換為bin:

建個models目錄存放 caffe的模型文件和權重文件：

wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.caffemodel

wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.prototxt

準備執行atc模型轉換，發現atc轉換所需的模型路徑為caffe_model. 將剛才的models目錄改名為 caffe_model

再進入該目錄，獲取atc轉換的cfg文件：

wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/resnet50/insert_op.cfg

創建model目錄存放轉換后的離線模型文件，執行模型轉換：

發現報了個錯。。。

因為前面一直在一個終端內操作，安裝后，更新在~/.bashrc中的環境變量并沒有生效，執行source ~/.bashrc后，重新執行atc模型轉換：

模型轉換成功了。

下面執行編譯：

創建編譯所需的目錄：

mkdir -p build/intermediates/host

執行編譯：

cmake ../../../src -DCMAKE_CXX_COMPILER=g++ -DCMAKE_SKIP_RPATH=TRUE

會生成以下文件：

執行make

會生成out目錄下的main文件。

切換到 out目錄，執行main文件。

這就完成了模型推理。

一日當體驗官，終身受CANN的益。應該是這樣的吧。。。

（全文完，謝謝閱讀）

AI Python 昇騰 深度學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。