✏️
BMNNSDK2开发手册
  • BM1684 BMNNSDK2 入门手册
  • 一、BMNNSDK2软件包
    • 1.1 BMNNSDK2 简介
    • 1.2 BMNNSDK2 文档
    • 1.3 基本概念介绍
    • 1.4 获取BMNNSDK2 SDK
    • 1.5 安装BMNNSDK2 SDK
      • 1.5.1 环境配置-Linux
      • 1.5.2 环境配置-Windows
      • 1.5.3 环境配置-SoC
    • 1.6 更新BMNNSDK
    • 1.7 参考样例简介
    • 1.8 BMNNSDK2更新记录
    • 1.9 BMNNSDK2已知问题
  • 二、快速入门
    • 2.1 跑通第一个例子：综述
    • 2.2 跑通第一个例子：模型迁移
    • 2.3 跑通第一个例子：算法迁移
  • 三、网络模型迁移
    • 3.1 模型迁移概述
    • 3.2 FP32 模型生成
      • 3.2.1 编译Caffe模型
      • 3.2.2 编译TensorFlow模型
      • 3.2.3 编译MXNet模型
      • 3.2.4 编译PyTorch模型
      • 3.2.5 编译 Darknet 模型
      • 3.2.6 编译ONNX模型
      • 3.2.7 编译Paddle模型
    • 3.3 INT8 模型生成
      • 3.3.1 准备lmdb数据集
      • 3.3.2 生成FP32 Umodel
      • 3.3.3 生成INT8 Umodel
      • 3.3.4 精度测试
      • 3.3.5 生成INT8 Bmodel
      • 3.3.6 auto_cali一键量化工具
    • 3.4 实例演示
      • 3.4.1 create_lmdb_demo
      • 3.4.2 classify_demo
      • 3.4.3 face_demo
  • 四、算法移植
    • 4.1 算法移植概述
    • 4.2 C/C++编程详解
    • 4.3 Python编程详解
    • 4.4 解码模块
    • 4.5 图形运算加速模块
    • 4.6 模型推理
    • 4.7 实例演示
  • 五、打包和发布
    • 5.1 概述
    • 5.2 PCIE加速卡模式
    • 5.3 SOC模式
  • 附录
由 GitBook 提供支持
在本页
  1. 二、快速入门

2.1 跑通第一个例子：综述

​基于算丰BM1684芯片进行产品开发会经历如下几个阶段：

  1. 模型迁移：将已存在的的模型转换到BM1684平台运行的bmodel。

  2. 算法移值：基于BM1684硬件加速接口，对现有算法进行移植。

  3. 部署和联调：将算法服务打包(Docker)部署到BM1684硬件产品上，并在实际场景中进行功能联调。

​以上的步骤是前后依赖的，只有完成步骤1，才可以继续步骤2，最后才能执行步骤3。本文档将会基于BMNNSDK2中提供的参考样例，将以上3个步骤(分别在3到5章)进行演示，并将涉及到的工具和接口进行详细说明。

下面以${BMNNSDK}/examples/SSD_object/cpp_cv_bmcv_bmrt 为例说明。

在开始前，请先确保已经按照第一节的内容下载并安装配置好所需环境：

上一页1.9 BMNNSDK2已知问题下一页2.2 跑通第一个例子：模型迁移

最后更新于3年前