一、安霸環境搭建：

1.遠程172.20.62.13

2. 打開Virtualbox，所在目錄：E:\Program Files\Oracle\VirtualBox

3. 配置好ubuntu18.04環境，Ubuntu密碼：amba

4. 安裝toolchain，解壓Ambarella_Toolchain_CNNGen_2.3.0_20210205(注意要用最新版本)

5．進入Ubuntu-18.04安裝包里，運行以下腳本ubuntuToolChain-2.3.0,提前配置好pip源

6. 默認路徑為/usr/local，安裝parser時按照需求選擇，onnxparser caffeparser以及tensorflowparser

7.安裝完成后，查看/usr/local/目錄下新增amba toolchain

8.搭配環境，運行source搭配開發環境

9. 嘗試shell自動補全，查看gen_image_list.py,layer_compare.py,onnxparser.py程序是否存在。存在則安裝成功，反之失敗。

二．安霸模型轉換流程：

1. 凍結和輸出CNN網絡模型的框架和權重
2. 通過Python parser 運行模型，通過使用AmbaCNN API 來修建CNNGen中的節點圖
3. CNNGen將節點圖擴展乘原始圖并且進行量化和減少計算量
4. VAS將原始圖擴展乘算子圖(DAG)并進行低等級優化和DAG分離
5. 在ADES上運行VAS生成DAGs驗證結果和準確性
6. 用cavalry_gen腳本生成最終執行的二進制文件并用Ambaralla接口運行在CV2X板子上

三．模型轉換工具使用：

1. 將圖片數據轉換成bin format

gen_image_list.py-f test_image/??? ?????????????????????????????????????? //圖片所在目錄-o img_dara_list.txt ??????????????????????????????????? //輸入的圖片列表-ns???????????????????????????????????????????????????????????????????? //禁用隨機選擇-e data?????????????????????????????????????????????????????????? //圖片格式，新增data格式-c 1??????????????????????????????????????????????????????????????????? //圖片格式 1為BGR-d 0,0 ????????????????????????????????????????????????????????????? //轉換格式undesigned fix8 1,2,07為float32-r 96 96 ????????????????????????????????????????????????????????? //圖像尺寸-bf dra_bin/ ????????????????????????????????????????????????? //輸出目錄-bo dra_bin_list.txt?????????????????????????????????????? //輸出文件列表

2. onnx模型轉換

onnxparser.py-m ./face_align_float_20210301.onnx? ????????????????? ???????? //模型的ONNX文件,包含純模型-isrc ???????????????????????
“is:1,3,96,96|iq|idf:0,0,0,0 |i:data=./dra_bin_list.txt” ?????? //多參數輸入-o face_align_amba???????????????????????????????????????????????????????? ?????? //輸出文件名-of ./module????????????????????????????????????????????????????????????????????? ?????? //輸出文件目錄-c act-force-fx8,coeff-force-fx8????????????????? //第一個代表輸出是8bit,第二個表示權重為8bit 高效: act-force-fx8,coeff-force-fx8 高準確率 act-force-fx16,coeff-force-fx16，模型權重參數不支持float-odst “o:output|odf:fp32”??????????????????????????????????????????? ?????? //模型輸出由”output”轉fp32

3.編譯VAS代碼

cd module
vas –auto –summary –show-progress –dvi face_align_amba.vas //生成vas文件

4. layer_compare比較一致性

layer_compare.py onnx
–m ./face_align_float_20210301.onnx ?//onnx文件目錄
–isrc “is:1,3,96,96|iq|idf:0,0,0,0|i:data=./dra_image_bin/dra_bin_list.txt” //同onnxparser參數
–c act-force=fx16,coeff-force-fx16 //同onnxparser參數
–odst “o:output|odf:fp32” //同onnxparser參數
-n face_align_amba //vas文件名
-v module? //vas文件目錄，一定要精確到vas_output目錄
-o ./lc???? //生成的結果比較文件.xsl

5.為了生成ADES command，為了在PC上模擬運行

ades_autogen.py
–v face_align_amba //vas文件名
–p ./ ????????????????????????? //vas文件所在目錄
-l ades_module ??//輸出文件目錄
–ib data=/media/sf_Amba/data_bin/image_align_00001.bin //data:模型input層名稱
-ob output=./out.bin? // output：模型輸出層名稱，out.bin輸出文件名，以二進制文件存儲

6.模擬運行.cmd

cd ades_moudle
ades face_align_amba_ades.cmd //執行程序，得到結果

7.編譯CV code，生成可以在CV2x上運行的程序，生成模型文件face_align.bin

cavalry_gen
–d ./vas_output //目錄精確到vas_output
–f face_align.bin //輸出模型文件名
–p ./ ???????????????? ?//輸出模型文件目錄
-V 2.1.7 ?????????? //版本，要與板子上的版本一致

快速執行腳本sample里有quick_start.sh腳本，一個腳本完成上述所有操作，參考CNNGen_Development_Flow 7.2章節

./quick_start.sh
–f onnx???????????????????????????????? ?????? //模型轉換方式,支持onnx caffe和trensorflow
–d /media/image_data/ ??????? //gen_image_list的圖片文件目錄
-m ./face_align_float_20210301.onnx ?//onnx文件

四．Amba嵌入式運行

研發網訪問【Amba-cv25開發板】和【廣汽8155車機】方法：
1. 使用【mstsc】遠程登錄【Windows host主機 192.168.122.29】，【賬戶密碼 都是自己的域賬戶】，允許多個賬戶同時登陸 各自用各位各自的域賬戶+密碼登錄就好：
admin/kuihu2/peihuang/ycjiang/ylxiang2
2. 打開xshell6，admin密碼沒有，直接回車。 amba的開發版的串口是com5 頻率是115200，留意不要選錯登到廣汽的8155車機上 廣汽8155車機的串口操作失誤 比如敲一個exit就藍屏了，留意不要串口登到廣汽8155上面去
3. 但串口操作有一個問題就是：我用的時候你是用不了的。換句話說：如果黃培已經通過串口登錄amba開發版了，那其他人就用不了，除非黃培主動斷開連接。如果發現串口連接不上，大概率是別人在用，可以用別人的賬號登一下 看誰在用，總共就這幾個賬號。

1.將amba掛在到windows上

umount /dev/mmcblk0p8
insmod /lib/modules/4.14.183/kernel/drivers/usb/gadget/udc/ambarella_udc.ko
insmod /lib/modules/$(uname -r)/kernel/drivers/usb/gadget/libcomposite.ko
insmod /lib/modules/$(uname -r)/kernel/drivers/usb/gadget/function/usb_f_mass_storage.ko
modprobe g_mass_storage removable=y stall=0 file=/dev/mmcblk0p8

2. 放入模型和數據，然后接觸掛載?

modprobe -r g_mass_storage
mkdir /mnt/p8
mount /dev/mmcblk0p8 /mnt/p8

3.配置運行環境

modprobe cavalry
cavalry_load –f /lib/fireware/cavalry.bin -r

4.運行程序

test_nnctrl –b model.bin
--in <input_0_layer_name>=<input_0_bin>
--in <input_1_layer_name>=<input_1_bin>
--out <output_0_layer_name>=< output _0_bin>
--out < output _1_layer_name>=< output _1_bin>
-v? //打印debug信息
-e ?//打印vp_time

五、踩坑記錄：

1.Onnx版本錯誤，onnx要是6.0。用python3 import onnx print(onnx.__version__)queren

2.toolchain安裝時，安裝使用如下腳本ubuntuToolChain，不要用installToolChainONLY，同時提前配置好pip源

3.像素值(R,G,B) –平均值(RGB) / 方差值(R,G,B) 歸一化操作要放到onnxpraser里面操作，否則會嚴重影響準確性

4.一致性結果不同層對不上關系不大，主要看最終輸出是否能保持較小誤差

5.模型仿真輸出和amba板子上運行輸出結果有些出入，因為硬件上需要32位對齊，讀取的時候需要注意