当前位置: 首页 > article >正文

飞腾平台Arm NN软件栈安装使用指南

     【写在前面】 飞腾开发者平台是基于飞腾自身强大的技术基础和开放能力,聚合行业内优秀资源而打造的。该平台覆盖了操作系统、算法、数据库、安全、平台工具、虚拟化、存储、网络、固件等多个前沿技术领域,包含了应用使能套件、软件仓库、软件支持、软件适配认证四大板块,旨在共享尖端技术,为开发者提供一个涵盖多领域的开发平台和工具套件。 点击这里开始你的技术升级之旅吧

image.png

 本文分享至飞腾开发者平台《飞腾平台Arm NN软件栈安装使用指南》

1 介绍

  ArmNN可在基于Arm的高能效平台上轻松构建和运行机器学习应用程序。ArmNN桥接了现有神经网络框架与底层硬件平台。本文介绍了如何在飞腾平台上构建ArmNN软件栈。

2 环境要求

2.1 硬件环境

  硬件环境如下表所示。

项目说明
CPUFT-2000+/64、飞腾腾云 S2500、FT-2000/4、飞腾腾锐 D2000
网络
存储
内存

2.2 软件环境

  软件环境如下表所示。

项目版本下载地址
OScentos8.2、Kylin V10、 Ubuntu19.10
GCC9.2.1、7.3.0、8.3.1、9.3.0
GNU Binutils2.32、2.33、2.34、2.35
Glibc2.28、2.23、2.31、2.30
boosthttps://dl.bintray.com/boostorg/release/1.64.0/source/boost_1...
gatorhttps://github.com/ARM-software/gator.git
ComputeLibraryhttps://github.com/ARM-software/ComputeLibrary.git
protobufhttps://github.com/protocolbuffers/protobuf.git
tensorflowhttps://github.com/tensorflow/tensorflow.git
Arm NNhttps://github.com/ARM-software/armnn.git
googlemockhttps://github.com/google/googlemock/archive/release-1.7.0.zip
googletest

3 编译环境搭建

3.1 编译安装GCC(示例)

  步骤一 获取gcc-9.3。

$ wget [.0.tar.gz](http://ftp.gnu.org/gnu/gcc/gcc-9.1.0/gcc-9.1.0.tar.gz)

  步骤二 解压并下载所依赖的库。

$ tar -xzvf gcc-9.3.0.tar.gz       //解压缩

$ cd gcc-9.3.0            //进入解压文件路径

$ ./contrib/download_prerequisites   //运行脚本自动下载所需要的依赖文件和库

  步骤三 建立输出目录。

$ mkdir gcc-build-9.3.0

$ cd gcc-build-9.3.0

  步骤四 编译和安装。

$ ../configure -enable-checking=release -enable-language=c,c++ -disable-multilib

$ make && make install

  步骤五 加载环境变量。

# 若gcc指令安装目录不在PATH中,则还需设置export PATH=/gcc_path/bin:$PATH

$ export LD_LIBRARY_PATH=/usr/local/lib64/:$LD_LIBRARY_PATH

  步骤六 版本查看。

gcc默认安装路径为/usr/local/bin,编译安装成功之后,可使用以下命令进行版本查看:
$ gcc -v

  步骤七 创建链接符号。

$ cd /usr/local/bin

$ ln -s aarch64-unknown-linux-gnu-gcc aarch64-linux-gnu-gcc

$ ln -s aarch64-unknown-linux-gnu-g++ aarch64-linux-gnu-g++

$ ln -s aarch64-unknown-linux-gnu-c++ aarch64-linux-gnu-c++

3.2 编译安装GNU Binutils(示例)

  GNU Binutils是二进制工具的集合,是linux系统不可缺少的一个工具包。

  步骤一 下载binutils源码。

$ cd $HOME

$ wget <http://ftp.gnu.org/gnu/binutils/binutils-2.35.tar.gz

  步骤二 解压源码包。

$ tar -xzvf binutils-2.35.tar.gz      //解压缩

$ cd binutils-2.35           //进入解压文件路径

  步骤三 编译和安装。

$ mkdir buid

$ mkdir -p \$HOME/binutils          //创建安装目录

$ cd build

# 执行以下命令进行编译安装

$ ../configure prefix=\$HOME/binutils

$ make

$ make install

  步骤四 拷贝指令。

$ cd $HOME/binutils/bin

$ sudo cp * /usr/local/bin  //将生成指令拷贝至指定目录中

  步骤五 版本查看。

  编译安装成功之后,可使用以下命令进行版本查看:

$ ld --version

4 构建Arm NN软件栈

  运行build脚本,下载并编译构建Arm NN软件栈所需的所有软件:

$ cd $HOME

$ git clone https://github.com/ARM-software/Tool-Solutions.git

$ cd Tool-Solutions/ml-tool-examples/build-armnn/

$ ./build-armnn.sh

5 示例程序运行

5.1 MNIST Draw

  MNIST Draw是一个有趣的单页网站,用户可以使用机器学习对0到9之间的数字进行手绘和分类,分类时使用对MNIST数据集进行训练得到的机器学习模型。该项目是mnist-draw的修改版,它使用Arm NN SDK在Arm Cortex-A CPU上进行推理。该程序在飞腾平台上运行,可以使用浏览器通过网络进行访问。如下所示:

  步骤一 进入资源库。

$ cd $HOME/Tool-Solutions/ml-tool-examples/mnist-draw

# 安装所需要的模块,所需模块具体可见目录下的requirements.txt

$ sudo yum install python3-numpy.aarch64

$ sudo yum install python3-pillow.aarch64

  步骤二 构建armnn-draw应用程序。

$ make -C armnn-draw

  步骤三 设置Arm NN环境变量。

$ export
 LD_LIBRARY_PATH=$HOME/armnn-devenv/armnn/build:$LD_LIBRARY_PATH

  步骤四 启动python服务器。

$ python3 -m http.server --cgi 8000

  步骤五 程序验证。

    在能访问服务器的机器上打开浏览器,进入http://ip-address:8000,网站界面的示例如下图所示:

image.png

  使用鼠标在空白方框中绘制一个0到9之间的数字,然后单击“Predict”按钮以处理其绘制。处理过程中的任何错误将以警告图标指示并打印到控制台。常见错误包括未在armnn-draw/中编译应用程序以及未使用python3。

  结果以条形图显示,其中每个分类标签从机器学习模型获得的分数在0.0到1.0之间。使用clear按钮清除画布以绘制和处理其他数字。

5.2 MNIST Demo

  MNIST演示应用程序使用对MNIST训练的TensorFlow神经网络,该程序使用Arm NN用于推理。两个示例程序,mnist_tf_convol.cpp和mnist_tf_simple.cpp。这两个应用程序都读取TensorFlow模型。模型以protobuf二进制格式存储在model/目录中,MNIST数据集以存储向量的简单格式存储在目录data/中,该目录包含MNIST测试数据和标签。 使用make构建应用程序,如下所示:

  步骤一 构建应用程序。

$ cd $HOME/Tools-Solutions/ml-tool-examples/mnist-demo

$ make

  make生成上述两个示例程序。这些示例的目的是演示如何使用Arm NN在C++应用程序中加载和执行TensorFlow模型。

  步骤二 运行MNIST推理。

  要运行该应用程序,请使用命令行指定要使用的硬件(CPU或GPU)以及要处理的图像数:

# 优化模式: 0:CpuRef, 1:CpuAcc, 2:GpuAcc

# 输入大小: 1至2000 (要预测的图像数)

$ ./mnist_tf_convol 1 10

  步骤三 结果验证。

  程序正常运行,可以得到类似以下内容的输出:

Optimisation mode: CpuAcc

#1 | Predicted: 7 Actual: 7

 …

#10 | Predicted: 9 Actual: 9

Prediction accuracy: 100%

  步骤四 性能比较。

  可尝试不同的程序配置,并可比较执行时间:

$ time ./mnist_tf_convol 0 10 # 未优化的cpu设备上的10张图像

$ time ./mnist_tf_convol 1 100 # 在优化的cpu设备上的100张图像

$ time ./mnist_tf_convol 2 1000 # GPU设备上的1000张图像

推荐阅读

  • 飞腾平台Arm ComputeLibrary编译安装指南
  • 飞腾X100 NPU Benchmark使用说明

欢迎广大开发者来飞腾开发者平台获取更多前沿技术文档及资料

如开发者在使用飞腾产品有任何问题可通过在线工单联系我们


版权所有。飞腾信息技术有限公司 2023。保留所有权利。

未经本公司同意,任何单位、公司或个人不得擅自复制,翻译,摘抄本文档内容的部分或全部,不得以任何方式或途径进行传播和宣传。

商标声明

Phytium和其他飞腾商标均为飞腾信息技术有限公司的商标。

本文档提及的其他所有商标或注册商标,由各自的所有人拥有。

注意

本文档的内容视为飞腾的保密信息,您应当严格遵守保密任务;未经飞腾事先书面同意,您不得向任何第三方披露本文档内容或提供给任何第三方使用。

由于产品版本升级或其他原因,本文档内容会不定期进行更新。除非另有约定,本文档仅作为使用指导,飞腾在现有技术的基础上尽最大努力提供相应的介绍及操作指引,但飞腾在此明确声明对本文档内容的准确性、完整性、适用性、可靠性的等不作任何明示或暗示的保证。

本文档中所有内容,包括但不限于图片、架构设计、页面布局、文字描述,均由飞腾和/或其关联公司依法拥有其知识产权,包括但不限于商标权、专利权、著作权等。非经飞腾和/或其关联公司书面同意,任何人不得擅自使用、修改,复制上述内容。


http://www.kler.cn/a/394616.html

相关文章:

  • 高防服务器的费用受到哪些原因影响?
  • 基于Spring Boot与Redis的令牌主动失效机制实现
  • SQL集合运算
  • docker构建jdk11
  • Springboot配置全局异常通用返回
  • 阿里云centos7.9服务器磁盘挂载,切换服务路径
  • 钉钉小程序 - - - - - overflow无效?
  • APEX高性能减速机MG/MGH系列 高负载应用下的精准动力传输
  • Linux sed 的多个用法
  • 微信小程序 — 农产品供销系统
  • 无人机应用场景:石油管道巡检技术详解
  • 经典文献阅读之--DROID-SLAM(完美的深度学习slam框架)
  • 使用Java爬虫获取商品订单详情:从API到数据存储
  • STM32完全学习——系统时钟设置
  • 从华为到创业公司
  • 蓝桥杯竞赛单片机组备赛【经验帖】
  • 【计算机网络】五层对比,物理设备对比
  • 阿里巴巴首推Chinese SimpleQA,全方位检验大型语言模型在中文事实性问答上的表现
  • Mac中安装OhMyZsh
  • 构建安全的数据库环境:群晖NAS安装MySQL和phpMyAdmin详细步骤
  • Qt 之 qwt和QCustomplot对比
  • javascript-Web APLs (五)
  • ANDROIDWORLD: A Dynamic Benchmarking Environment for Autonomous Agents论文学习
  • Vue的基础使用
  • 【linux】进程等待与进程替换
  • LeetCode343.整数拆分