编译及运行应用（昇腾910 AI处理器）

1. 以运行用户登录开发环境。
2. 参考《CANN 开发辅助工具指南》中的“ATC工具使用指南”章节，准备环境，包括获取工具、设置环境变量。
3. 准备数据。

   您可以从以下链接中获取ResNet-50网络的模型文件（*.prototxt）、预训练模型文件（*.caffemodel），并以运行用户将获取的文件上传至开发环境的“vpc_jpeg_resnet50_imagenet_classification样例目录/caffe_model”目录下。如果目录不存在，需要自行创建。

   • 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），转换模型时，需配置色域转换参数，用于将YUV420SP格式的图片转换为RGB格式的图片。

   切换到vpc_jpeg_resnet50_imagenet_classification样例所在目录，执行如下命令：

   atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=model/resnet50_aipp --soc_version=${soc_version} --insert_op_conf=caffe_model/aipp.cfg

   • --soc_version：昇腾AI处理器的版本，请根据实际情况替换。

     可从ATC安装路径的“atc/data/platform_config”目录下查看昇腾AI处理器的版本，对应“*.ini”文件的名字（不带.ini后缀）即为soc_version。

   • --output：生成的resnet50_aipp.om文件存放在“样例目录/model”目录下。建议使用命令中的默认设置，否则在编译代码前，您还需要修改sample_process.cpp中的omModelPath参数值。

     const char* omModelPath = "../model/resnet50_aipp.om";

   关于各参数的详细解释，请参见《CANN 开发辅助工具指南》中的“ATC工具使用指南”章节。

1. 设置环境变量，编译脚本src/CMakeLists.txt通过环境变量所设置的头文件、库文件的路径来编译代码。

   如下为设置环境变量的示例，请将$HOME/Ascend/ascend-toolkit/latest替换为FwkACLlib安装包的实际安装路径。

   export DDK_PATH=$HOME/Ascend/ascend-toolkit/latest
   export NPU_HOST_LIB=$HOME/Ascend/ascend-toolkit/latest/fwkacllib/lib64/stub

   设置环境变量后，还需修改src/CMakeLists.txt文件中的如下配置段，将“acllib”修改为“fwkacllib”。

   # Header path
   include_directories(
       ${INC_PATH}/acllib/include/
       ../inc/
   )

   使用“$HOME/Ascend/ascend-toolkit/latest/fwkacllib/lib64/stub”目录下的*.so库，是为了编译基于AscendCL接口的代码逻辑时，不依赖其它组件（例如Driver）的任何*.so库。

   编译通过后，在Host上运行应用时，通过配置环境变量，应用会链接到Host上“$HOME/Ascend/nnae/latest/fwkacllib/lib64”目录下的*.so库，运行时会自动链接到依赖其它组件的*.so库。

2. 在样例目录下，创建目录用于存放编译文件，例如，本文中，创建的目录为“build/intermediates/host”。

   mkdir -p build/intermediates/host

3. 切换到“build/intermediates/host”目录，执行cmake生成编译文件。

   “../../../src”表示CMakeLists.txt文件所在的目录，请根据实际目录层级修改。

   基于运行环境的操作系统架构，配置的环境变量不同：

   • 当开发环境与运行环境操作系统架构相同时，执行如下命令编译。

     cd build/intermediates/host
     cmake ../../../src -DCMAKE_CXX_COMPILER=g++ -DCMAKE_SKIP_RPATH=TRUE

   • 当开发环境与运行环境操作系统架构不同时,执行如下命令交叉编译。
     例如，当开发环境为X86架构，运行环境为AArch64架构时，执行以下命令进行交叉编译。

     cd build/intermediates/host
     cmake ../../../src -DCMAKE_CXX_COMPILER=aarch64-linux-gnu-g++ -DCMAKE_SKIP_RPATH=TRUE

4. 执行make命令，生成的可执行文件main在“样例目录/out”目录下。

   make

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“vpc_jpeg_resnet50_imagenet_classification样例目录/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/dvpp_vpc_8192x8192_nv12.yuv

https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/aclsample/persian_cat_1024_1536_283.jpg

https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/aclsample/wood_rabbit_1024_1061_330.jpg

https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/aclsample/wood_rabbit_1024_1068_nv12.yuv

1. 以运行用户将开发环境的vpc_jpeg_resnet50_imagenet_classification样例目录及目录下的文件上传到运行环境（Host），例如“$HOME/acl_vpc_jpege_resnet50”。
2. 以运行用户登录运行环境（Host）。
3. 设置环境变量。
   如下为设置环境变量的示例，请根据实际安装情况替换路径。

   export LD_LIBRARY_PATH=$HOME/Ascend/nnae/latest/fwkacllib/lib64

4. 切换到可执行文件main所在的目录，例如“acl_vpc_jpege_resnet50/out”，给该目录下的main文件加执行权限。

   chmod +x main

5. 切换到可执行文件main所在的目录，例如“acl_vpc_jpege_resnet50/out”，运行可执行文件。
   1. 将两张*.jpg格式的解码成两张YUV420SP NV12格式的图片，缩放，再进行模型推理，分别得到两张图片的推理结果。

      ./main 0

      执行结果示例如下，提示信息中的classType表示类别标识、top1表示该分类的最大置信度、top5表示最大的5个置信度之和，这些值可能会根据版本、环境有所不同，请以实际情况为准（类别编号283表示["Persian cat"]，类别编号330表示["wood rabbit", "cottontail", "cottontail rabbit"]）：

      [INFO] acl init success
      [INFO] open device 0 success
      [INFO] create context success
      [INFO] create stream success
      [INFO] dvpp init resource success
      [INFO] load model ../model/resnet50_aipp.om success
      [INFO] create model description success
      [INFO] create model output success
      [INFO]---------------------------------------------
      [INFO] start to process picture:../data/persian_cat_1024_1536_283.jpg
      [INFO] call JpegD
      [INFO] call vpcResize
      [INFO] Process dvpp success
      [INFO] model execute success
      [INFO] result : classType[283], top1[xxxxxxx], top5[xxxxxx]
      [INFO]---------------------------------------------
      [INFO] start to process picture:../data/wood_rabbit_1024_1061_330.jpg
      [INFO] call JpegD
      [INFO] call vpcResize
      [INFO] Process dvpp success
      [INFO] model execute success
      [INFO] result : classType[330], top1[xxxxxxx], top5[xxxxxx]
      [INFO]---------------------------------------------
      [INFO] Unload model success, modelId is 1
      [INFO] execute sample success
      [INFO] end to destroy stream 
      [INFO] end to destroy context
      [INFO] end to reset device is 0

   2. 将两张*.jpg格式的解码成两张YUV420SP NV12格式的图片，抠图，再进行模型推理，分别得到两张图片的推理结果。

      ./main 1

      执行结果示例如下，提示信息中的classType表示类别标识、top1表示该分类的最大置信度、top5表示最大的5个置信度之和，这些值可能会根据版本、环境有所不同，请以实际情况为准（类别编号284表示["Siamese cat", "Siamese"]，类别编号330表示["wood rabbit", "cottontail", "cottontail rabbit"]）：

      [INFO] acl init success
      [INFO] open device 0 success
      [INFO] create context success
      [INFO] create stream success
      [INFO] dvpp init resource success
      [INFO] load model ../model/resnet50_aipp.om success
      [INFO] create model description success
      [INFO] create model output success
      [INFO]---------------------------------------------
      [INFO] start to process picture:../data/persian_cat_1024_1536_283.jpg
      [INFO] call JpegD
      [INFO] call vpcCrop
      [INFO] Process dvpp success
      [INFO] model execute success
      [INFO] result : classType[284], top1[xxxxxx], top5[xxxxxx]
      [INFO]---------------------------------------------
      [INFO] start to process picture:../data/wood_rabbit_1024_1061_330.jpg
      [INFO] call JpegD
      [INFO] call vpcCrop
      [INFO] Process dvpp success
      [INFO] model execute success
      [INFO] result : classType[330], top1[xxxxxx], top5[xxxxxx]
      [INFO]---------------------------------------------
      [INFO] Unload model success, modelId is 1
      [INFO] execute sample success
      [INFO] end to destroy stream 
      [INFO] end to destroy context
      [INFO] end to reset device is 0

   3. 将两张*.jpg格式的解码成两张YUV420SP NV12格式的图片，抠图贴图，再进行模型推理，分别得到两张图片的推理结果。

      ./main 2

      执行结果示例如下，提示信息中的classType表示类别标识、top1表示该分类的最大置信度、top5表示最大的5个置信度之和，这些值可能会根据版本、环境有所不同，请以实际情况为准（类别编号284表示["Siamese cat", "Siamese"]，类别编号331表示["hare"]）：

      [INFO] acl init success
      [INFO] open device 0 success
      [INFO] create context success
      [INFO] create stream success
      [INFO] dvpp init resource success
      [INFO] load model ../model/resnet50_aipp.om success
      [INFO] create model description success
      [INFO] create model output success
      [INFO]---------------------------------------------
      [INFO] start to process picture:../data/persian_cat_1024_1536_283.jpg
      [INFO] call JpegD
      [INFO] call vpcCropAndPaste
      [INFO] Process dvpp success
      [INFO] model execute success
      [INFO] result : classType[284], top1[xxxxxx], top5[xxxxxx]
      [INFO]---------------------------------------------
      [INFO] start to process picture:../data/wood_rabbit_1024_1061_330.jpg
      [INFO] call JpegD
      [INFO] call vpcCropAndPaste
      [INFO] Process dvpp success
      [INFO] model execute success
      [INFO] result : classType[331], top1[xxxxxx], top5[xxxxxx]
      [INFO]---------------------------------------------
      [INFO] Unload model success, modelId is 1
      [INFO] execute sample success
      [INFO] end to destroy stream 
      [INFO] end to destroy context
      [INFO] end to reset device is 0

   4. 将一张YUV420SP格式的图片编码为*.jpg格式的图片。

      ./main 3

      执行结果示例如下：

      [INFO] acl init success
      [INFO] open device 0 success
      [INFO] create context success
      [INFO] create stream success
      [INFO] dvpp init resource success
      [INFO] start to process picture:../data/wood_rabbit_1024_1068_nv12.yuv
      [INFO] call JpegE
      [INFO] end to destroy stream 
      [INFO] end to destroy context
      [INFO] end to reset device is 0

   5. 将一张分辨率为8192*8192的YUV420SP格式的图片缩放至4000*4000。

      ./main 4

      执行结果示例如下：

      [INFO] acl init success
      [INFO] open device 0 success
      [INFO] create context success
      [INFO] create stream success
      [INFO] get run mode success
      [INFO] dvpp process 8k resize begin
      [INFO] dvpp init resource success
      [INFO] dvpp process 8k resize success
      [INFO] end to destroy stream 
      [INFO] end to destroy context
      [INFO] end to reset device is 0
      [INFO] end to finalize acl

   执行可执行文件成功后，同时会在main文件同级的result目录下生成结果文件，便于后期查看。结果文件如下：

   • dvpp_output_0：persian_cat_1024_1536_283.jpg图片经过缩放或抠图或抠图贴图之后的结果图片。
   • dvpp_output_1：wood_rabbit_1024_1061_330.jpg图片经过缩放或抠图或抠图贴图之后的结果图片。
   • model_output_0：persian_cat_1024_1536_283.jpg图片的模型推理结果，二进制文件。
   • model_output_0.txt：persian_cat_1024_1536_283.jpg图片的模型推理结果，txt文件。
   • model_output_1：wood_rabbit_1024_1061_330.jpg图片的模型推理结果，二进制文件。
   • model_output_1.txt：wood_rabbit_1024_1061_330.jpg图片的模型推理结果，txt文件。
   • jpege_output_0.jpg：wood_rabbit_1024_1068_nv12.yuv图片结果编码后的结果图片。
   • dvpp_vpc_4000x4000_nv12.yuv：dvpp_vpc_8192x8192_nv12.yuv图片缩放后的结果图片。