【MindStudio训练营第一期】--【新手班】大作业

╰半橙微兮° 2023-09-29 18:22 13阅读 0赞

> 服务器：华为云ECS
> 
> 系统环境：昇腾官方指定提供
> 
> 工具软件：Xshell 7, Xftp 7

**目录**

一、选题

二、准备

三、运行

四、可视化流程编排

五、工程代码分析

--------------------

## 一、选题 ##

> 使用Mindstudio成功复现昇腾社区中的MindX SDK应用案例--Image Coloring

## [Image Coloring-昇腾社区 (hiascend.com)][Image Coloring-_ _hiascend.com] ##

--------------------

## 二、准备 ##

下载选定样例指定的工程文件，并手动创建data，model，out等三个文件夹，用Mindstudio打开

![ab79352cc28a4db6bcbd9fd0a3fb2726.png][]

--------------------

## 三、运行 ##

3.1 使用Tools->Deployment->Upload to xxxx 将工程文件上传到你的服务器上

![ea82c60d33eb4801959201a00f15fdbb.png][]

3.2 登录ECS，cd至你上传的工程文件夹的位置

![79e48cd3ce8048efb6ad781da164d8fe.png][]

tips：如何知道你上传的工程文件夹在哪个位置？

①使用Tools->Deployment->Configuration

![49f0f7a1fe8c427fa84dfc2d221bb3a4.png][]

②Mappings->Deployment path ,红框中就是你上传文件在服务器上存放的位置![947aa154daf141508c9ed61af82ee501.png][]

3.3 使用以下命令下载model文件并解压，目的是我们需要使用atc工具转换为om模型

cd model
    wget https://mindx.sdk.obs.myhuaweicloud.com/mindxsdk-referenceapps%20/contrib/Colorization/model.zip
    unzip model.zip

![a77d6f68c59d4b6abfae85641cac4bea.png][]

> 注意：wget 后面需要加上“--no-check-certificat"，不然会报如下的错误
> 
> ![bfb937a5e8d6431890807c43852ee8d3.png][]

3.4 进入scripts目录执行模型转换脚本

cd ../scripts
    bash atc_run.sh

![b6e715e073a841fc823ce790100a6b67.png][]

3.5 cd 至data目录下，获取测试图片

cd ../data
    wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/colorization_picture-python/dog.png

![e2c7914eab094216b8d4dd396234e5bb.png][]

3.6 cd至src目录下，运行main.py

cd src
    python3 main.py ../data/dog.png

![4bb9e181fc5f443cbc3e23a345b77ff4.png][]

3.7 运行结果对比

data/dog.png

![da31eaf7faf24162b78032867e3936c7.png][]

![fd308c1769124f11bb5f24f892e1bd5a.png][]

out/out\_dog.png![b0140c43ff8b4796b834126042810156.png][]

![51ca309b9b7a4693b2f2b7795e0ca333.png][]

--------------------

## 四、可视化流程编排 ##

![34a89cfb5ad14893ab5d599c3a9ba766.png][]

1.appsrc0

输入图片

插件详情如下

![7567bf09e7b44461b1a42660146ea78d.png][]

2.mxpi\_tensorinfer

对输入的图片进行推理

![9bcf088ad457412f99db550b20bbb0fc.png][]

插件详情如下

![6bd23546b1a84d289cd5642a70c4fbea.png][]

3.appsink0

对推理后的图片进行输出

插件详情如下

![7dae0eae7dd14a7cbb18d028db573f77.png][]

--------------------

## 五、工程代码分析 ##

1.初始化流并构建pipeline

streamManagerApi = StreamManagerApi()
    ret = streamManagerApi.InitManager()
    
    pipeline = b"../pipeline/colorization.pipeline" 
    ret = streamManagerApi.CreateMultipleStreamsFromFile(pipeline)

2.图片前处理

origShape, origL, lData = preprocess(inputPic)

将inputPic传入前面定义的preprocess方法，该方法抽取黑白图片L通道，得到orig\_shape, orig\_l, l\_data这个值

3. 根据流名将检测目标传入数据流中，启用appsrc0插件进行输入

treamName = b'colorization'
    inPluginId = 0
    
    tensor = lData[None, None, :]
    tensorPackageList = MxpiDataType.MxpiTensorPackageList()
    tensorPackage = tensorPackageList.tensorPackageVec.add()

key0 = b"appsrc0"
        protobufVec = InProtobufVector()
        protobuf = MxProtobufIn()
        protobuf.key = key0
        protobuf.type = b'MxTools.MxpiTensorPackageList'
        protobuf.protobuf = tensorPackageList.SerializeToString()
        protobufVec.push_back(protobuf)
    
    
        uniqueId = streamManagerApi.SendProtobuf(streamName, inPluginId, protobufVec)

4.从流里获取数据，启用mxpi\_tensorinfer0进行推理

key1 =  b"mxpi_tensorinfer0"
        keyVec = StringVector()
        keyVec.push_back(key1)
        
        inferRes = streamManagerApi.GetProtobuf(streamName, inPluginId, keyVec)

5.推理完成后，输出结果

res = np.frombuffer(tensorList.tensorPackageVec[0].tensorVec[0].dataStr, dtype=np.float32)
        
      postprocess(res, inputPic, origShape, origL)

--------------------

##  ##

[Image Coloring-_ _hiascend.com]: https://www.hiascend.com/zh/developer/mindx-sdk/case-studies/d0c56d6f-a6f9-4b77-8587-db8272f22f3b
[ab79352cc28a4db6bcbd9fd0a3fb2726.png]: https://img-blog.csdnimg.cn/ab79352cc28a4db6bcbd9fd0a3fb2726.png
[ea82c60d33eb4801959201a00f15fdbb.png]: https://img-blog.csdnimg.cn/ea82c60d33eb4801959201a00f15fdbb.png
[79e48cd3ce8048efb6ad781da164d8fe.png]: https://img-blog.csdnimg.cn/79e48cd3ce8048efb6ad781da164d8fe.png
[49f0f7a1fe8c427fa84dfc2d221bb3a4.png]: https://img-blog.csdnimg.cn/49f0f7a1fe8c427fa84dfc2d221bb3a4.png
[947aa154daf141508c9ed61af82ee501.png]: https://img-blog.csdnimg.cn/947aa154daf141508c9ed61af82ee501.png
[a77d6f68c59d4b6abfae85641cac4bea.png]: https://img-blog.csdnimg.cn/a77d6f68c59d4b6abfae85641cac4bea.png
[bfb937a5e8d6431890807c43852ee8d3.png]: https://img-blog.csdnimg.cn/bfb937a5e8d6431890807c43852ee8d3.png
[b6e715e073a841fc823ce790100a6b67.png]: https://img-blog.csdnimg.cn/b6e715e073a841fc823ce790100a6b67.png
[e2c7914eab094216b8d4dd396234e5bb.png]: https://img-blog.csdnimg.cn/e2c7914eab094216b8d4dd396234e5bb.png
[4bb9e181fc5f443cbc3e23a345b77ff4.png]: https://img-blog.csdnimg.cn/4bb9e181fc5f443cbc3e23a345b77ff4.png
[da31eaf7faf24162b78032867e3936c7.png]: https://img-blog.csdnimg.cn/da31eaf7faf24162b78032867e3936c7.png
[fd308c1769124f11bb5f24f892e1bd5a.png]: https://img-blog.csdnimg.cn/fd308c1769124f11bb5f24f892e1bd5a.png
[b0140c43ff8b4796b834126042810156.png]: https://img-blog.csdnimg.cn/b0140c43ff8b4796b834126042810156.png
[51ca309b9b7a4693b2f2b7795e0ca333.png]: https://img-blog.csdnimg.cn/51ca309b9b7a4693b2f2b7795e0ca333.png
[34a89cfb5ad14893ab5d599c3a9ba766.png]: https://img-blog.csdnimg.cn/34a89cfb5ad14893ab5d599c3a9ba766.png
[7567bf09e7b44461b1a42660146ea78d.png]: https://img-blog.csdnimg.cn/7567bf09e7b44461b1a42660146ea78d.png
[9bcf088ad457412f99db550b20bbb0fc.png]: https://img-blog.csdnimg.cn/9bcf088ad457412f99db550b20bbb0fc.png
[6bd23546b1a84d289cd5642a70c4fbea.png]: https://img-blog.csdnimg.cn/6bd23546b1a84d289cd5642a70c4fbea.png
[7dae0eae7dd14a7cbb18d028db573f77.png]: https://img-blog.csdnimg.cn/7dae0eae7dd14a7cbb18d028db573f77.png