# sample-classification
**Repository Path**: jacob_duan/sample-classification
## Basic Information
- **Project Name**: sample-classification
- **Description**: 本Application支持运行在Atlas 200 DK或者AI加速云服务器上，实现了对常见的分类网络的推理功能并输出前n个推理结果
- **Primary Language**: C++
- **License**: Apache-2.0
- **Default Branch**: 1.3x.0.0
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 2
- **Created**: 2021-09-16
- **Last Updated**: 2021-11-03
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
中文|[English](Readme_EN.md)
**该案例仅仅用于学习，打通流程，不对效果负责，不支持商用。**
# 分类网络应用（C++）
本Application支持运行在Atlas 200 DK或者AI加速云服务器上，实现了对常见的分类网络的推理功能并输出前n个推理结果。
当前分支中的应用适配**1.32.0.0及以上**版本的[DDK&RunTime](https://ascend.huawei.com/resources)。
## 前提条件
部署此Sample前，需要准备好以下环境：
- 已完成Mind Studio的安装。
- 已完成Atlas 200 DK开发者板与Mind Studio的连接，交叉编译器的安装，SD卡的制作及基本信息的配置等。
## 部署
可以选择如下快速部署或者常规方法部署，二选一即可：
1. 快速部署，请参考： [https://gitee.com/Atlas200DK/faster-deploy](https://gitee.com/Atlas200DK/faster-deploy) 。
> **说明：**
>- 该快速部署脚本可以快速部署多个案例，请选择classification案例部署即可。
>- 该快速部署脚本自动完成了代码下载、模型转换、环境变量配置等流程，如果需要了解详细的部署过程请选择常规部署方式。转 **：[2. 常规部署](#zh-cn_topic_0228461902_li3208251440)**
2. 常规部署，请参考： [https://gitee.com/Atlas200DK/sample-README/tree/master/sample-classification](https://gitee.com/Atlas200DK/sample-README/tree/master/sample-classification) 。
> **说明：**
>- 该部署方式，需要手动完成代码下载、模型转换、环境变量配置等过程。完成后，会对其中的过程更加了解。
## 编译
1. 打开对应的工程。
以Mind Studio安装用户在命令行进入安装包解压后的“MindStudio-ubuntu/bin”目录，如：$HOME/MindStudio-ubuntu/bin。执行如下命令启动Mind Studio。
**./MindStudio.sh**
启动成功后，打开**sample-classification**工程，如[图 打开classification工程](#zh-cn_topic_0228461902_zh-cn_topic_0203223265_fig11106241192810)所示。
**图 1** 打开classification工程
2. 在**src/param\_configure.conf**文件中配置相关工程信息。
**图 2** 配置文件路径
该配置文件默认配置内容如下：
```
remote_host=192.168.1.2
model_name=alexnet.om
```
- remote\_host：Atlas 200 DK开发者板的IP地址。
- model\_name : 离线模型名称。
- 如果参数和默认配置，可以修改为默认配置或者根据自己的实际ip与模型名称进行修改。
> **说明：**
>- 参数必须全部填写，否则无法通过build。
>- 注意参数填写时不需要使用“”符号。
>- 配置文件中只能填入单个模型名称，填入的模型为alexnet，用户可以使用常规部署列举的其它模型按照文档步骤进行替换运行。
>- 当前已经按照配置示例配置默认值，请按照配置情况自行修改。
3. 执行deploy脚本， 进行配置参数调整及第三方库下载编译 打开Mind Studio工具的Terminal，此时默认在代码主目录下，执行如下命令在后台指执行deploy脚本，进行环境部署。如[图 执行deploy脚本](#zh-cn_topic_0228461902_zh-cn_topic_0203223265_fig478266192619)所示。
**图 3** 执行deploy脚本
> **说明：**
>- 首次deploy时，没有部署第三方库时会自动下载并编译，耗时可能比较久，请耐心等待。后续再重新编译时，不会重复下载编译，部署如上图所示。
>- deploy时，需要选择与开发板通信的主机侧ip，一般为虚拟网卡配置的ip。如果此ip和开发板ip属于同网段，则会自动选择并部署。如果非同网段，则需要手动输入与开发板通信的主机侧ip才能完成deploy。
4. 开始编译，打开Mind Studio工具，在工具栏中点击**Build \> Build \> Build-Configuration**。如[图 编译操作及生成文件](#zh-cn_topic_0228461902_zh-cn_topic_0203223265_fig1741464713019)所示，会在目录下生成build和run文件夹。
**图 4** 编译操作及生成文件
> **须知：**
>首次编译工程时，**Build \> Build**为灰色不可点击状态。需要点击**Build \> Edit Build Configuration**，配置编译参数后再进行编译。
5. 将需要推理的图片上传至Host侧任一属组为HwHiAiUser用户的目录。
图片要求如下：
- 格式：jpg、png、bmp。
- 输入图片宽度：16px\~4096px之间的整数。
- 输入图片高度：16px\~4096px之间的整数。
## 运行
1. 在Mind Studio工具的工具栏中找到Run按钮，单击 **Run \> Run 'sample-classification'**，如[图 程序已执行示意图](#zh-cn_topic_0228461902_zh-cn_topic_0203223265_fig93931954162719)所示，可执行程序已经在开发者板执行。
**图 5** 程序已执行示意图
以上报错信息请忽略，因为Mind Studio无法为可执行程序传参，上述步骤是将可执行程序与依赖的库文件部署到开发者板，此步骤需要ssh登录到开发者板至相应的目录文件下手动执行，具体请参考以下步骤。
2. 在Mind Studio所在Ubuntu服务器中，以HwHiAiUser用户SSH登录到Host侧。
**ssh HwHiAiUser@**_host\_ip_
对于Atlas 200 DK，host\_ip默认为192.168.1.2（USB连接）或者192.168.0.2（NIC连接），默认密码为Mind@123。
3. 进入通用分类网络应用的可执行文件所在路径。
**cd \~/HIAI\_PROJECTS/workspace\_mind\_studio/sample-classification\_XXXXX/out**
> **说明：**
>- 此路径中sample-classification\_XXXXX的XXXXX是一串字母和数字的随机组合，每次重新编译运行时都会随机生成。
4. 执行应用程序。
执行**run\_classification.py**脚本会将推理结果在执行终端直接打印显示。
命令示例如下所示：
**python3 run\_classification.py -w _227_ -h _227_ -i** **_./example.jpg_ -n _10_**
- -w/model\_width：模型的输入图片宽度，为16\~4096之间的整数，此处为样例模型alexnet.om要求输入数据的宽：227，如果使用其它模型，请参考https://bbs.huaweicloud.com/forum/thread-54058-1-1.html ，获取模型要求的输入数据的宽。
- -h/model\_height：模型的输入图片高度，为16\~4096之间的整数，此处为样例模型alexnet.om要求输入数据的高：227，如果使用其它模型，请参考https://bbs.huaweicloud.com/forum/thread-54058-1-1.html ，获取模型要求的输入数据的高。
- -i/input\_path：输入图片的路径，可以是目录，表示当前目录下的所有图片都作为输入（可以指定多个输入）。
- -n/top\_n：输出前n个推理结果。
其他详细参数请执行**python3 run\_classification.py --help**命令参见帮助信息。