SNPE安装+Qualcomm高通AI神经网络处理SDK部署流程_qualcomm neural processing sdk

Qualcomm高通AI神经网络处理SDK部署流程

系统要求

我们建议在专用机器上执行以下操作，以更好地了解 SDK 依赖关系：

1. 安装 Ubuntu 18.04 （推荐），例如在虚拟机上。

2. 安装pyenv

   执行以下命令进行自动安装

   curl -L https://github.com/pyenv/pyenv-installer/raw/master/bin/pyenv-installer | bash
   1

   重启shell生效: exec $SHELL
   查看~/.bashrc中是否有以下三行，若没有则手动添加进去

   export PATH="$HOME/.pyenv/bin:$PATH"
   1

   eval “$(pyenvinit-)"eval"$(pyenv virtualenv-init -)”

   • 安装 python 版本查看已安装 : pyenv versions
     查看可安装列表 : pyenv install --list
     安装 python3.5.5 : pyenv install 3.5.5
     安装 python2.7.17 : pyenv install 2.7.17
     查看已安装 : pyenv versions
     切换版本: pyenv global xxx (版本) —> 全局切换,会影响整个系统
     pyenv local xxx (版本) ----> 局部切换,只影响当前命令行

   • 安装Anaconda

     访问网址: https://www.anaconda.com/distribution/#download-section
     选择 “Linux”–> “64-Bit (x86) Installer” ,下载安装脚本: Anaconda3-2020.02-Linux-x86_64.sh (下载最新的即可,无特定版本要求)
     运行脚本安装:号

     $ bash Anaconda3-2020.02-Linux-x86_64.sh
     1

     当安装⻚面提示 “Do you wish the installer to initialize Anaconda3 by running conda init?” 时,推荐选 “yes” 。
     当安装⻚面显示 “Thank you for installing Anaconda3!” 时,说明安装成功。
     重新打开终端或者执行下面的命令,使安装立即生效:

     source ~/.bashrc
     1

   • SNPE SDK Setup

     3.1 下载 SDK

     访问 Qualcomm 网站:(注册、登录 Qualcomm 账号)
     https://developer.qualcomm.com/software/qualcomm-neural-processing-sdk
     在 ‘Neural Processing SDK for AI -> Tools & Resources’ ⻚面,
     选择 Qualcomm Neural Processing SDK for AI v1.52. 版本下载到本地,并解压文件。

   • SNPE SDK 文件结构
     

   • 配置环境和依赖

     1.运行依赖项脚本以检查系统中的Ubuntu软件包依赖项。 它会要求安装缺少的那些。 安装缺少的软件包。

   source snpe-X.Y.Z/bin/dependencies.sh
   1

   2.运行python依赖项检查器以检查系统中python软件包的依赖项，安装缺少的软件包。

   source snpe-X.Y.Z/bin/check_python_depends.sh
   1

   经SNPE SDK测试的Python软件包版本为：

   numpy v1.16.5
   sphinx v2.2.1
   scipy v1.3.1
   matplotlib v3.0.3
   skimage v0.15.0
   protobuf v3.6.0
   pyyaml v5.1
   1
   2
   3
   4
   5
   6
   7

   3.Define $SNPE_ROOT in .bashrc file.

     export SNPE_ROOT=/home/user/SNPE-envri/snpe-'自己的版本号'
      
   1
   2

3. 安装最新的Android Studio。

4. 从 Android Studio 或独立安装最新的 Android SDK。（这一步坑比较多）

   自行下载最新版android-studio 4.2.2 以及java8的sdk： Java SE Development Kit: jdk-8u221-linux-x64.tar.gz 提取码：17xx

   • 安装JDK

     解压JDK：

     sudo tar -zxvf jdk-8u221-linux-x64.tar.gz -C /opt
     1

     配置环境变量：

     sudo gedit /etc/profile

     文末添加

     #jdk path
     export JAVA_HOME=/opt/jdk1.8.0_221
     export JRE_HOME=${JAVA_HOME}/jre
     export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
     export PATH=.:${JAVA_HOME}/bin:$PATH
     1
     2
     3
     4
     5

     同步：

     source /etc/profile

     测试jdk是否安装成功：

     java -version

     显示如下，表明安装成功：

     

   • 安装Android Studio

   解压压缩包到/opt：

   sudo unzip android-studio-ide-‘你自己的版本号’-linux.zip -d /opt
   1

   更改 /opt/android-studio/bin/idea.porperties：

   sudo gedit /opt/android-studio/bin/idea.properties
   1

   文末添加

   disable.android.first.run=true
   1

   此操作防止第一次打开Android Studio时卡在”Fetching Android SDK component information” 。

   更改/opt/android-studio/bin目录权限：

   sudo chmod 777 /opt/android-studio/bin
   ls -l
   1
   2

   显示如下，表明权限修改成功：
   
   配置android studio环境变量，以便在任何目录下打开android studio：

   sudo gedit /etc/profile

   文末添加

   #android stdio
   export ANDROID_HOME=/opt/android-studio/bin
   export PATH=$PATH:$ANDROID_HOME
   1
   2
   3

   同步：

   source /etc/profile
   1

   • 配置Android Studio

   打开Android Studio：

   

   source activate py36  #这个环境是之前snpe sdk环境配置装了所有依赖的包的python环境，版本为3.6，请自行百度如何用anaconda创建虚拟环境；
   sudo studio.sh  #一定要给root权限否则后面运行sdk会有问题
   1
   2

   点击Start a new Android Studio project：
   

   点击Open SDK Manager，手动配置SDK：
   

   点击Edit：
   

   按ctrl+Alt+T打开一个新的terminal，输入

   sudo mkdir -p /opt/sdk
   sudo chmod -R 777 /opt/sdk
   1
   2

   在Android Studio的SDK Setup中，设置Android SDK Location为/opt/sdk：
   

   一路next，直到finish。

   至此，Android Studio安装完毕。（以上参考了64位Ubuntu 16.04下安装Android Studio）

   以下创建首个项目。

   配置如下：
   
   一路Apply->OK->Accept->Finish。

   点击Start a new Android Studio project：
   

5. 从 Android Studio SDK Manager 或独立安装最新的 Android NDK。

6. 安装Caffe（安装说明，此 SDK 推荐使用 git 修订版 d8f79537）。（如果不跑官方demo不考虑装）

7. # this will build Caffe (and the pycaffe bindings) from source - see the official instructions for more informationsudo apt-get install cmake git libatlas-base-dev libboost-all-dev libgflags-dev libgoogle-glog-dev libhdf5-serial-dev libleveldb-dev liblmdb-dev libopencv-dev libprotobuf-dev libsnappy-dev protobuf-compiler python-dev python-numpygit clone https://github.com/BVLC/caffe.git ~/caffe; cd ~/caffe; git reset --hard d8f79537mkdir build; cd build; cmake ..; make all -j4; make install

8. 可选：安装TensorFlow（安装说明，推荐1.0版）。（如果不跑官方demo不考虑装）

9. # this will download and install TensorFlow in a virtual environment - see the official instructions for more informationsudo apt-get install python-pip python-dev python-virtualenvmkdir ~/tensorflow; virtualenv --system-site-packages ~/tensorflow; source ~/tensorflow/bin/activatepip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.0-cp27-none-linux_x86_64.whl

10. 这里tensorflow和caffe的安装均会出现bug暂时不能解决，推荐安装onnx环境进行自己模型的dlc转换，群里面已经有dlc模型故部署onnx环境可以略过；

设置 SDK

此步骤允许 Qualcomm 神经处理 SDK 通过 python API 与 Caffe 和 Tensorflow 框架通信。要在 Ubuntu 18.04 上设置 SDK，请执行以下操作：

1. 在继续之前，请确保您已经安装了 Android NDK、Caffe（这里假设在*~/caffe 中*）和可选的 TensorFlow（这里假设在*~/tensorflow 中*）。

2. 下载最新的高通神经处理 SDK。

3. 将 .zip 文件解压到合适的位置（这里假设在 ~/snpe-sdk 文件夹中）。

4. 安装缺少的系统包：

5. # install a few more SDK dependencies, then perform a comprehensive checksudo apt-get install python-dev python-matplotlib python-numpy python-protobuf python-scipy python-skimage python-sphinx wget zipsource ~/snpe-sdk/bin/dependencies.sh # verifies that all dependencies are installedsource ~/snpe-sdk/bin/check_python_depends.sh # verifies that the python dependencies are installed

6. 在当前控制台初始化高通神经处理SDK环境；将来，对每个新控制台重复此操作：

7. # initialize the environment on the current consolecd ~/snpe-sdk/export ANDROID_NDK_ROOT=~/Android/Sdk/ndk-bundle # default location for Android Studio, replace with yourssource ./bin/envsetup.sh -c ~/caffesource ./bin/envsetup.sh -t ~/tensorflow # optional for this guide

初始化将设置或更新 $SNP{E}_{R}OOT、$PATH、$L{D}_{L}IBRAR{Y}_{P}ATH、$PYTHONPATH、$CAFF{E}_{H}OME、$TENSORFLOW_HOME，此外还会在本地复制 Android NDK  libgnustl_shared.so库，并更新 Android AAR 存档。

下载 ML 模型并将它们转换为 .DLC

Qualcomm 神经处理 SDK 不捆绑公开可用的模型文件，但包含用于下载一些流行模型并将其转换为深度学习容器（“DLC”）格式的脚本。脚本位于*/models*文件夹中，该文件夹也将包含 DLC 模型。

• 下载并转换 Caffe 格式的预训练 Alexnet 示例：（如果不跑官方demo跳过）

• cd $SNPE_ROOTpython ./models/alexnet/scripts/setup_alexnet.py -a ./temp-assets-cache -d

• **提示：**查看 setup_alexnet.py 脚本，它执行到 DLC 的转换。您可能会对 Caffe 模型转换执行相同的操作。

• 可选：以 Tensorflow 格式下载并转换预训练的“inception_v3”示例：（如果不跑官方demo跳过）

• cd $SNPE_ROOTpython ./models/inception_v3/scripts/setup_inceptionv3.py -a ./temp-assets-cache -d

• **提示：**查看 setup_inceptionv3.py 脚本，它也对模型执行量化，大小减少了 75%（91MB → 23MB）。

• 这里仍旧是上述两种模型转换存在bug（bug yellow）这一步我们直接使用没有执行最后一步量化的dlc模型，model.dlc，同时需要准备的文件还有初赛测试代码文件夹中的file_list.txt重命名为raw_list.text放入./models/alexnet/model/data中；还需要初赛使用的类别字典class.txt重命名为ilsvrc_2012_labels.txt放入./models/alexnet/model/data中，最后一个是目前尚未解决的图片预处理文件的编写ilsvrc_2012_mean_cropped.bin这个暂时考虑的方法在./models/alexnet/data/下使用$sudo touch ilsvrc_2012_mean_cropped.bin 创建一个空的预处理文件，什么都不写暂时，花点时间高清楚./models/alexnet/scripts中的setup_alexnet.py;或者直接将预处理后的图片放入…/…/…/…/models/alexnet/data/cropped/。

构建示例 Android APP

Android APP 结合了Snapdragon NPE 运行时（由*/android/snpe-release.aar* Android 库提供）和上述Caffe Alexnet 示例生成的DLC 模型。

1. 通过复制运行时和模型来准备 APP

2. cd $SNPE_ROOT/examples/android/image-classifierscp ../../../android/snpe-release.aar ./app/libs # copies the NPE runtime librarybash ./setup_models.sh # packages the Alexnet example (DLC, labels, imputs) as an Android resource file

3. 使用android-studio打开示例项目：

   从 Android Studio 构建 Android APK：

   1. 启动 Android Studio。
   2. 在*~/snpe-sdk/examples/android/image-classifiers*文件夹中打开项目。
   3. 接受 Android Studio 建议以升级构建系统组件（如果提供）。
   4. 按“运行应用程序”按钮构建并运行 APK。

下一步是什么？

恭喜，您刚刚使用 Qualcomm 神经处理 SDK 制作了第一个应用程序。是时候开始创建自己的 AI 解决方案了！

示例Android APP的源代码演示了如何正确使用SDK。ClassifyImageTask.java是开始学习的良好起点。API 文档、教程和架构详细信息可在 SDK 捆绑的文档中找到。将浏览器指向 /doc/html/index.html开始学习。常见问题的答案可以在论坛中找到，您还可以在论坛中与我们的专家讨论“API”。