本文介绍如何在AI中台的模型中心导入原始模型，然后通过模型转换，生成适配通用X86芯片/通用ARM芯片的图像分类模型，并部署至设备边缘。

一、前提条件

• 有一个可测试的边缘节点设备
• 边缘节点连接至云端管控控制台，边缘节点安装可以参考快速入门
• 有一个图像分类模型，本实验用的是一个图像分类模型Image_Classification_Paddle2_MobileNetV2.zip。该模型支持分类识别猴子、鸡、狗、猫等上百种生物。如下图所示：

二、导入模型

打开AI中台控制台，进入模型中心，选中模型管理，如下图所示：

点击导入模型，将提前装备好的模型上传。

基础信息

基础信息

• 导入方式：导入新的模型
• 模型名称：testmodel
• 模型版本：1.0.0.0

模型配置信息

• 构建来源：模型文件构建
• 选择模型：本地上传，上传模型文件:Image_Classification_Paddle2_MobileNetV2.zip
• 模型类型：图像分类
• 模型框架：PaddlePaddle/2.0
• 网络结构：MobileNet/MobileNetV2

模型参数

模型参数使用默认值，为空即可，如下图所示：

配置导入资源

资源池使用一个可用的资源池即可，如下图所示：

检查导入模型

导入完毕以后，返回模型中心，可以看到之前导入的模型，如下图所示：

模型状态为就绪，描述模型导入构建完毕：

三、边缘部署

1. 在模型详情界面，下拉至部署信息，找到边缘部署，如下图所示：

2. 点击边缘部署，进入到模型部署-边缘部署界面，如下图所示：

3. 找到转换参数，点击上传参数文件，选择模型压缩包当中的preprocessor.json参数文件，如下图所示

4.找到边缘配置，选择目标节点，如下图所示：

• 选择节点：从下拉框当中选择一个可用的边缘节点，要求边缘节点在线才可以被选中，选中节点以后，自动展示这个节点所对应的硬件架构（amd64、arm64）和操作系统（linux）。边缘安装请参考快速入门。
• 硬件/芯片类型：因为上述节点上报的是amd64架构，所以这里只能选择 通用X86芯片，如果节点上报的架构是ARM64架构，则此处只能选择 通用ARM芯片
• 操作系统：因为上述节点上报的是linux操作系统，所以这里只能选择linux
• 端口：设置AI服务映射到宿主机的端口。可以点击【查询已占用端口】来查看当前已经使用的端口号，避免端口冲突。
• 其他部署配置：这里设置的KV配置，对应BIE边缘应用配置当中的服务环境变量。

5. 在资源配置当中，选择可以的资源池，如下图所示：

四、验证

1. 在模型部署——> 边缘部署 列表下，找到刚才创建的边缘部署任务testmodel，如下图所以：

2. 我们可以看到边缘部署状态是已完成。点击右边的详情按钮，查看部署详情，如下图所示：

• 节点：test
• 端口：8093
• 部署记录ID: mdp-ppv2gp2hvg07bzjb

3. 打开智能边缘界面，找到test节点，查看mdp-ppv2gp2hvg07bzjb应用的部署状态，如下图所示：

可以看到，在智能边缘界面，确实创建了mdp-ppv2gp2hvg07bzjb应用，并部署到了test节点上，并且状态已经是已部署。

4. 打开浏览器，输入[边缘节点ip:8093]，验证边缘服务是否正常启动，如下图所示：

5. 可以看到边缘AI服务已经正常启动，点击添加图片按钮，上传一张测试图片，查看推断结果，如下所示：