Application of ncnn Neural Network Computing Framework in Orange Pi 3 Lts Development Board

 

1、 Tencent ncnn La commande de téléchargement du code source est la suivante 
1） La première approche：Télécharger Orang Pi Fourni dans le disque Cloud de Baidu ncnn.tar.gz Paquet compressé 
a) Vous pouvez télécharger ce lien à partir du disque Cloud Baidu ci - dessous ncnn.tar.gz Compresseur de code source.Entrée ncnn Texte Comme vous pouvez le voir dans le clip 

b) Téléchargement terminé ncnn.tar.gz Après compression du paquet,D'abord ncnn.tar.gz Télécharger sur le tableau de développement linux Département Dans le système 
c) Ensuite, utilisez la commande suivante pour décompresser ncnn.tar.gz  

2） Deuxième approche：Utiliser git Commande de téléchargement direct du code source, Mais si l'accès au Conseil de développement n'est pas résolu github La question de, Est difficile à télécharger avec succès .Si l'accès github Pas de problème., Recommandé Une façon de, Parce que cela garantit que le Code est à jour . 

 

2、Puis installez le paquet de dépendance

3、Et commencer à compiler,ncnn Les commandes de compilation sont les suivantes: 

Description： Sans aucune mesure de dissipation de chaleur , Compiler directement sur le tableau de développement ncnn Environ 15 Minutes, Veuillez patienter jusqu'à ce que la compilation soit terminée. . Si un ventilateur est ajouté pour refroidir le tableau de développement , Ça devrait être plus rapide. .

4、ncnn Voici quelques exemples de tests ,Par exemple, squeezenet Les commandes d'essai et les résultats sont les suivants:  

 

5、benchncnn Peut être utilisé pour tester la performance de raisonnement du réseau neuronal , La méthode d'essai est la suivante:  
1） Compilé benchncnn L'exécutable est dans le chemin suivant , Notez le chemin d'exécution de la commande ci - dessous Le diamètre est ncnn Répertoire de haut niveau du code source

2） Il faut d'abord benchncnn Copier vers benchmark Dans la table des matières 

3） benchncnn Est utilisé comme suit: 

4） benchncnn Utiliser cpu Les résultats des essais sont les suivants: 

a) Debian Bullseye Linux5.16 Résultats des tests du système de version serveur  

6、NanoDet Est une extrémité mobile ultra rapide et légère Anchor-free Modèle de détection des cibles.Testeur La méthode est la suivante:  
1）Compilé nanodet L'exécutable est dans le chemin suivant , Notez que le chemin d'exécution de la commande suivante est ncnn Répertoire de niveau supérieur du code source  

2） Créer un nouveau nanodet_demo Dossier pour 

3） Puis compilera nanodet Programme exécutable copié à nanodet_demo Dans le dossier 

4）Ensuite, vous devez télécharger nanodet Fichier modèle et téléchargement vers nanodet_demo Dans le dossier 
a) nanodet L'adresse de téléchargement du fichier modèle est la suivante:   

b) Ouvrez le lien ci - dessus,Cherche. nanodet_m.bin Et nanodet_m.param Ces deux documents, Et télécharger, Télécharger sur le tableau de développement Linux Système nanodet_demo Dans le dossier  

c) En ce moment nanodet_demo Il devrait y avoir les trois fichiers suivants dans le dossier  

5） Ensuite, vous devez mettre l'image que vous voulez tester dans nanodet_demo Dans le dossier, Par exemple, celui ci - dessous a Beaucoup de photos de voitures ( Vous pouvez utiliser votre téléphone pour prendre des photos de la circulation ou des animaux ) 

6） Ensuite, lancez la commande suivante pour utiliser nanodet Détection des cibles,car.jpg Remplacer par Le nom de votre image

7） Les résultats de la détection sont enregistrés dans un fichier nommé image.png Dans l'image de 

8） Si vous utilisez une version Bureau Linux Système,Peut être ouvert directement image.png Voir,Si Avec la version serveur Linux Système,Vous pouvez image.png Copier sur l'ordinateur pour voir , image.png Le contenu est illustré dans la figure ci - dessous., Vous pouvez voir que le coin supérieur gauche de l'objet identifié affiche l'espèce de l'objet Classe et pourcentage de confiance  

7、Pour faciliter les testsbenchncnnEt nanodet, J'ai fait une compilation qui ne contient que benchncnnEt nanodet L'exécutable et le fichier modèle requis pour le test sont emballés en un seul ncnn_test_demo.tar.gz Compression du paquet C'est sur le disque Cloud de baidu. , Pas besoin de télécharger la compilation ncnn Source de, Avec cet exécutable, vous pouvez être direct C'est parti.

1）Vous pouvez télécharger ce lien à partir du disque Cloud Baidu ci - dessous ncnn_test_demo.tar.gz Paquet compressé.Entrée ncnn Comme vous pouvez le voir dans le dossier  

2）Téléchargement terminé ncnn_test_demo.tar.gz Après compression du paquet,D'abord ncnn_test_demo.tar.gz Presse Téléchargement de paquets miniatures sur le tableau de développement linux Dans le système

3）Ensuite, utilisez la commande suivante pour décompresser ncnn_test_demo.tar.gz 

4） Après décompression, entrez ncnn_test_demo Le répertoire peut voir qu'il contient benchncnn_demo Et nanodet_demo Deux sous - dossiers, Ils sont utilisés pour tester benchncnn Et nanodet 

5） Entrée benchncnn_demo Dossiers,Et courir./benchncnn 4 $(nproc) 0 -1 Cette vie. Pour tester directement la performance d'inférence du réseau neuronal  

6）Entrée nanodet_demo Dossiers,Et courir./nanodet car.jpg Cette commande est droite. Utilisation ultérieure nanodet Pour détecter car.jpg Les objets de l'image , Vous pouvez également tester le graphique Les comprimés sont placés nanodet_demo Dans le dossier,Ensuite, utilisez nanodet Pour détecter