做装修的人到什么网站找工作seo博客大全
目录
1 开发环境搭建
1.1 下载SDK
1.2 拉取docker镜像
1.3 创建容器
1.4 安装tpu_mlir
1.5 准备工作目录
2 onnx转mlir文件
3 mlir转int8模型
3.1 生成校准表
3.2 编译为int8量化模型
4 混精度
5 准备编译依赖的SDK、库、头文件
5.1 拷贝sophon的库和头文件
5.2 拷贝ffmpeg的库和头文件
5.3 拷贝opencv的库和头文件
5.4 修改makefile中库文件和头文件路径
6 解决编译报错以及修改代码
6.1 fatal error: bmnn_utils.h: No such file or directory
6.2 error: ‘string’ is not a member of ‘std’
6.3 error: ‘bmcv_padding_atrr_t’ was not declared in this scope; did you mean ‘bmcv_padding_attr_t’?
6.4 /usr/bin/ld: cannot find -lbmvideo: No such file or directory
7 运行
8 问题排查
9 代码调试
参考文献：
1 开发环境搭建
1.1 下载SDK
技术资料
下载完之后解压
1.2 拉取docker镜像
拉取镜像前有个问题，以前转换bm1684的算法模型的时候，拉取镜像命令也是
docker pull sophgo/tpuc_dev:latest这次bm1688的拉取镜像命令是一样的，那么latest就重复了，所以我现在把以前的bm1684使用的标签命名为bm1684，然后等会我拉取了bm1688的镜像之后命名为bm1688
上面是把1684的latest命名成了bm1684，接下来下载1688的latest并命名为bm1688
1.3 创建容器
docker run --privileged --name bm1688 -v $PWD:/workspace -it sophgo/tpuc_dev:bm16881.4 安装tpu_mlir
加上清华源，要不然下载很慢
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tpu_mlir[all]
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tpu_mlir[onnx,torch]
然后
cd /workspace/sophonsdk_edge_v1.9_official_release/tpu_milr
source envsetup.sh1.5 准备工作目录
建立 model_yolov5s 目录, 并把模型文件和图片文件都 放入 model_yolov5s 目录中。
mkdir model_yolov5s
cd model_yolov5s
#然后把onnx模型和图片拷贝到当前目录
mkdir workspace #这个workspace是在model_yolov5s文件夹下面创建的
cd workspace我这里其实不这样做，我直接把以前bm1684时使用的model_yolov5s拷贝过来，
cp -drf /data/chw/bitedalu_20220713/mlir/Release_v2312-LTS/Release_v2312-LTS/tpu-mlir_20231116_054500/model_yolov5s /data/chw/bitedalu_20250423/sophonsdk_edge_v1.9_official_release/tpu_milr/model_yolov5s然后把以前1684执行时的那些workspace的中间过程文件都给删了
rm -rf /data/chw/bitedalu_20250423/sophonsdk_edge_v1.9_official_release/tpu_milr/model_yolov5s/workspace/*2 onnx转mlir文件
在/workspace/sophonsdk_edge_v1.9_official_release/tpu_milr/model_yolov5s/workspace文件夹下面执行命令
model_transform.py \--model_name yolov5s \--model_def ../edge_compute_best_20230821.onnx \--input_shapes [[1,3,640,640]] \--mean 0.0,0.0,0.0 \--scale 0.0039216,0.0039216,0.0039216 \--keep_aspect_ratio \--pixel_format rgb \--output_names 339,391,443 \--test_input ../calib/00ca3e9473b4407bb1e72a38a7c6c69f.jpg \--test_result yolov5s_top_outputs.npz \--mlir yolov5s.mlir--output_names 320,340,354 这里的三个具体名字通过用netron看onnx模型文件确定，
3 mlir转int8模型
3.1 生成校准表
run_calibration.py yolov5s.mlir \--dataset ../calib \--input_num 200 \-o yolov5s_cali_table这里calib文件夹里面是校准图片，里面是200张图片和200个标注文件。
3.2 编译为int8量化模型
model_deploy.py \--mlir yolov5s.mlir \--quantize INT8 \--calibration_table yolov5s_cali_table \--chip bm1688 \--test_input yolov5s_in_f32.npz \--test_reference yolov5s_top_outputs.npz \--tolerance 0.85,0.45 \--model yolov5s_pcb_4shuchu_1688_int8_sym.bmodel4 混精度
混精度参考以前1684的，命令不要照抄，要注意修改，比如1684修改成1688，比如其他的一些名字也注意修改。
利用tpu-mlir工具将深度学习算法模型转成算能科技平台.bmodel模型的方法步骤-CSDN博客
5 准备编译依赖的SDK、库、头文件
7.8. BM1684(X)_to_BM1688(CV186AH)兼容性文档 — SOPHONSDKUserGuide (HEAD detached at 046884f) 文档
在上面链接文档，看到这个介绍
然后我去解压
接下来需要把libsophon下面的头文件和库文件拷到我的工程中
还有media相关的库文件和头文件拷贝我的工程中，
5.1 拷贝sophon的库和头文件
在盒子的/data1/chw/bitmain_all_1688/lib/新建一个sophon，然后在/data1/chw/bitmain_all_1688/lib/sophon路径下执行下面的拷贝命令，
scp -rf root@192.168.1.10:/data/chw/bitedalu_20250423/sophonsdk_edge_v1.9_official_release/sophon-img/libsophon_soc_0.4.11_aarch64/opt/sophon/libsophon-0.4.11/lib/* ./然后头文件也是，
同样也是新建个sophon文件夹，
scp -r root@192.168.1.10:/data/chw/bitedalu_20250423/sophonsdk_edge_v1.9_official_release/sophon-img/libsophon_soc_0.4.11_aarch64/opt/sophon/libsophon-0.4.11/include/* ./5.2 拷贝ffmpeg的库和头文件
先把原来1684的ffmpeg的头文件和库文件全都删掉，然后再拷贝。
scp -r root@192.168.1.10:/data/chw/bitedalu_20250423/sophonsdk_edge_v1.9_official_release/sophon-img/sophon-media-soc_1.9.0_aarch64/opt/sophon/sophon-ffmpeg_1.9.0/lib/* /data1/chw/bitmain_all_1688/lib/ffmpeg/
scp -r root@192.168.1.10:/data/chw/bitedalu_20250423/sophonsdk_edge_v1.9_official_release/sophon-img/sophon-media-soc_1.9.0_aarch64/opt/sophon/sophon-ffmpeg_1.9.0/include/* /data1/chw/bitmain_all_1688/include/ffmpeg/5.3 拷贝opencv的库和头文件
先把原来1684的opencv的头文件和库文件全都删掉，然后再拷贝。
scp -r root@192.168.1.10:/data/chw/bitedalu_20250423/sophonsdk_edge_v1.9_official_release/sophon-img/sophon-media-soc_1.9.0_aarch64/opt/sophon/sophon-opencv_1.9.0/include/* /data1/chw/bitmain_all_1688/include/opencv/
scp -r root@192.168.1.10:/data/chw/bitedalu_20250423/sophonsdk_edge_v1.9_official_release/sophon-img/sophon-media-soc_1.9.0_aarch64/opt/sophon/sophon-opencv_1.9.0/lib/* /data1/chw/bitmain_all_1688/lib/opencv/5.4 修改makefile中库文件和头文件路径
由于前面我拷贝库文件和头文件的时候，删除了一些文件夹，然后新建了一些文件夹，那么makefile中也需要修改一下相应的文件夹。
6 解决编译报错以及修改代码
直接先make看看错误，慢慢来解决。
6.1 fatal error: bmnn_utils.h: No such file or directory
这个其实是在算能的模型demo的dependencies里面的。
把这几个文件全都拷贝到include/sophon里面，
6.2 error: ‘string’ is not a member of ‘std’
增加头文件 #include <string>
6.3 error: ‘bmcv_padding_atrr_t’ was not declared in this scope; did you mean ‘bmcv_padding_attr_t’?
这是算能SDK更新后，修改了名字，解决方法是，在公共头文件中添加 typedef bmcv_padding_attr_t bmcv_padding_atrr_t;但是其实在include/sophon/bm_wrapper.hpp这个文件中已经有
所以我直接包含bm_wrapper.hpp这个头文件就可以了，
6.4 /usr/bin/ld: cannot find -lbmvideo: No such file or directory
/usr/bin/ld: cannot find -lbmvideo: No such file or directory
/usr/bin/ld: cannot find -lbmjpuapi: No such file or directory
/usr/bin/ld: cannot find -lbmjpulite: No such file or directorymakefile把这几个库去掉，这是bm1684的。
7 运行
经过上面的修改之后，程序就能够运行起来了.但是我发现模型一个目标也没有检测出来，
8 问题排查
用demo跑一下我转的模型看看是否正常，
把\\192.168.1.10\public\data\chw\bitedalu_20250423\sophonsdk_edge_v1.9_official_release\sophon-demo\sophon-demo_v0.2.9_1740285_20250212\sample\YOLOv5整体拷贝到BM1688盒子上，算能的readme里面写的是让交叉编译，我为了省时间，不在X86上安装编译环境了，直接在BM1688盒子上编译，
然后需要修改cpp/yolov5_bmcv/CMakeLists.txt
为什么这里要增加这个，因为本来应该在X86上安装环境，然后这些库和头文件是在类似("${SDK}/lib/")这种目录的，但是我没装，所以直接用我的，
然后
mkdir build
cd build
cmake -DTARGET_ARCH=soc -DSDK=/opt/sophon/ -DCMAKE_BUILD_TYPE=Debug .. #这里-DSDK=/opt/sophon/其实没用，因为根本就没安装SDK
然后把我转的模型拷贝过来，再拷贝个测试视频，然后执行下面的命令
./yolov5_bmcv.soc --bmodel=./easnet_pcb_4shuchu_1688_int8_sym.bmodel --input=shigu5.mp4 --classnames=coco.names然后发现检测效果可以，那么说明我转的模型没有问题，那就是我的代码有问题，可以这个代码在BM1684上都是没问题的，那可能就是BM1688上有些API可能换了，所以我要调试、排查下我的代码。
9 代码调试
参考文献：
技术资料
7.8. BM1684(X)_to_BM1688(CV186AH)兼容性文档 — SOPHONSDKUserGuide (HEAD detached at 046884f) 文档 利用tpu-mlir工具将深度学习算法模型转成算能科技平台.bmodel模型的方法步骤-CSDN博客