演示系统示例

概述

所有示例通过 Python 接口实现板卡推理，前处理(数据标准化/归一化、通道变换、输入数据量化)和反量化都已经加入网络中，板卡推理结果返回PC端做后处理，结果保存在模型工程目录下。提供源码地址、权重文件、nbg文件、测试图片。

项目结构

├── docs/                 # 项目文档
├── resource/             # 算法模型
├── src/                  # 源码
│   ├── utils/            # 公共组件
│   └── ***.py            # demo测试验证相关代码，包含前后处理以及模型的调用
├──  README.md            # 项目说明文档（本文件）

快速开始

环境要求及配置

硬件要求

• NPU 板卡 ：FT78E_DSKC_202311V0 板卡
• 连接与通信准备（自备）：网线
• 板卡上已开启 jsonrpc_server 服务

创建 python3.8 环境

wget "https://mirrors.tuna.tsinghua.edu.cn/github-release/conda-forge/miniforge/LatestRelease//Miniforge3-$(uname)-$(uname -m).sh"
mkdir -p ~/app
INSTALL_PATH="${HOME}/app/miniforge3"
bash Miniforge3-Linux-x86_64.sh -b -p ${INSTALL_PATH}
echo "source "${INSTALL_PATH}/etc/profile.d/conda.sh"" >> ${HOME}/.bashrc
echo "source "${INSTALL_PATH}/etc/profile.d/mamba.sh"" >> ${HOME}/.bashrc
source ${HOME}/.bashrc
mamba create -n netrans python=3.8 -y
mamba activate netrans

安装依赖

pip install -r requirements.txt

下载工程

git clone https://gitlink.org.cn/nudt_dsp/demo_system_algorithm.git

评估指标

• fiducial_e:计算​​归一化的绝对误差,通过计算fe的均值和最大值来评估，值越接近0越好
• 推理速度：下位机单张图片推理时间（毫秒）

示例模型

模型类别	模型	模型详情
语义分割	deeplab_v3	链接
实例分割	yolov5s-seg	链接
单目标跟踪	ostrack	链接
分类	resnet18	链接
关键点检测	superpoint	链接
人体姿态估计	openpose	链接
差异性检测	a2net	链接
图像分割检测	yolov5s	链接
百度paddle转onnx	lenet_mnist	链接

作者 {{liangliangou}}