部署EasyDL烟火检测模型至ARM64节点
所有文档
menu

智能边缘 BIE

部署EasyDL烟火检测模型至ARM64节点

产品详情立即使用

1、概述

本文重点介绍使用EasyDL训练一个烟火检测模型,并获取离线部署SDK,然后通过BIE将离线模型SDK部署至边缘节点设备。

2、训练集准备

  1. 本身使用开源烟火检测标注数据集fire-smoke-detect-yolov4,下载 烟火(2059张图像,含标签)-百度云盘下载链接-提取码3q4r
  2. 解压数据集,对文件目录进行修改,执行操作如下,最终得到标注数据集fire_detection_VOC2020.zip
# 查看目录
% ls -l
total 8
drwxr-xr-x@ 2061 user  staff  65952  7 18  2020 Annotations
drwxr-xr-x@    3 user  staff     96  7 13  2020 ImageSets
drwxr-xr-x@ 2061 user  staff  65952  7 17  2020 JPEGImages
-rw-r--r--@    1 user  staff    591  7 18  2020 README
# 删除ImageSets README,EasyDL数据集不需要这2个
% rm -r ImageSets README
# 将JPEGImages重命名为Images,这是EasyDL导入数据集的规范
% mv JPEGImages Images
% ls -l
total 0
drwxr-xr-x@ 2061 user  staff  65952  7 18  2020 Annotations
drwxr-xr-x@ 2061 user  staff  65952  7 17  2020 Images
# 将上述Annotations和Images压缩为zip包
% zip -r fire_detection_VOC2020.zip ./*
% ls -l
total 361752
drwxr-xr-x@ 2061 user  staff      65952  7 18  2020 Annotations
drwxr-xr-x@ 2061 user  staff      65952  7 17  2020 Images
-rw-r--r--     1 user  staff  177816248 10 10 20:24 fire_detection_VOC2020.zip
  1. fire_detection_VOC2020.zip 上传至百度对象存储BOS,并记录fire_detection_VOC2020.zip的下载URL。

3、训练模型

3.1 导入数据集

  1. 访问EasyDL——物体检测模型,可点击此处直接访问
  2. EasyData数据服务——数据总览——创建数据集
  3. 在数据集下发,点击导入,在导入数据当中填写如下信息:

    • 数据标注状态:有标注信息
    • 导入方式:分享链接导入
    • 标注格式:xml(特指voc)
    • 链接地址:上述2.3步骤的fire_detection_VOC2020.zip的下载URL

image.png

  1. 点击确认并返回,完成数据集导入。图片总计有2000张,导入需要一定时间。

3.2 训练模型

  1. 在左边栏模型中心找到我的模型,点击创建模型。
  2. 点击训练,选择上述导入的数据集
  3. 训练配置选择如下:

    • 部署方式:EasyEdge本地部署
    • 选择设备:可以服务器、通用小型设备、专项适配硬件全部都做一次训练
    • 选择算法:通用算法,精度使用默认即可
    • 训练环境:可以使用免费的GPU T4算力,免费算力训练时间比较长,可能超过3个小时,需要耐心等待。

image.png

  1. 训练完成以后,点击申请发布,选择通用小型设备,操作系统选择Linux,芯片选择通用ARM,点击发布

image.png

  1. 在纯离线服务页面,找到发布生成的SDK,此处下载 通用ARM-Linux-基础版SDK,如下图所示:

image.png

  1. 将模型SDK上传至百度对象存储BOS,并记录模型SDK的下载URL。
  2. 点击 获取序列号 ,新增测试序列号并记录。

image.png

4、BIE部署模型

4.1 创建程序包

4.2 创建模型文件配置项

4.3 创建进程应用

4.4 特殊配置说明

  1. 上述应用配置的环境变量说明如下:

    • PARAMS_SERIAL_NUM:模型SDK的序列号
    • PARAMS_PORT:服务暴露端口号,此处设置为8701
  2. 4.2小节4.3小节注意替换成自身的模型SDK文件和模型序列号,否则模型将无法正常部署。

    • 如果上述模型SDK和模型序列号都不做替换,应用部署以后,在本地日志文件当中可以看到错误提示:序列号已被其他设备使用
    • 如果只替换序列号而不替换模型SDK文件,应用部署以后,在本地日志文件当中可以看到错误提示:序列号不能用于其他账号的模型

5、部署模型并验证

通过浏览器打开在线推断服务:http://ip:8701 ,上传测试图片,推断结果如下,证明AI服务正常启动。

image.png

上一篇
部署EasyEdge模型SDK
下一篇
将AI中台模型部署至边缘节点