飞桨模型在地平线开发板部署

大家好，我是海盗旗，资深CV工程师（ctrl c + ctrl v），第一次使用国产框架与国产AI芯片（地平线旭日X3）之间实现了全链路开发。

本次教程，使用飞桨高阶API训练mobilenet模型，三分钟即可搭建一个网络，进行训练。

部署使用地平线的天工开物工具链，模型快速转化上板，极短的时间内可演示demo。

欢迎大家一起使用国产化平台进行AI开发与部署！

onnx模型是paddle模型与开发板推理部署之间的桥梁，模型的转化是其中非常重要的一环。

本次教程主要讲述流程串通，直接使用飞浆的高阶api训练模型,可以节省大量的开发时间

• 一、模型训练：

飞桨高阶api对基础aoi进行了封装，模型调用与数据预处理几行代码就可以搞定，真的是灰常方便，建议大家多多使用。

本次教程使用mobilenetv2进行分类，数据预处理的时候，模型标签是从1-102，但是深度学习标签都是从0开始，建议百度的工程师修改一下此处的标签。

本次教程使用mobilenetv2进行分类，数据预处理的时候，模型标签是从1-102，但是深度学习标签都是从0开始。

修改的方法需要把标签数直接减去1，这样标签数据对齐到0-101，可以直接训练，否则会报错，标签索引超出！

• 二、paddle模型转化为onnx模型

使用百度的paddle2onnx工具进行转化

!pip insyall paddle2onnx

!pip install onnx

安装好之后，按照官方示例，加载模型，然后使用paddle.onnx.export接口进行转化，现在流行动态图，我们直接使用动态图操作方式，让静态图静静的躺在历史的尘埃里吧！！！

###注意###

input_spec = paddle.static.InputSpec(shape=[1, 3, 224, 224], dtype='float32', name='image')

• 三、onnx模型校验

成功得到onnx模型之后，我们需要把onnx模型转化为板端部署文件

地平线提供了天工开物工具链，可以有效的对onnx模型进行验证并转化

部署第一步，使用工具链对onnx模型进行校验,校验不通过的模型目前无法上板部署，需要调整算子或提交地平线开发人员进行算子支持升级！！

工具链可在地平线生态社区获取，大家可以自行搜索！

• 四、onnx模型转化为板端推理文件

使用地平线的开发工具天公开物，简单来说就是地平线开发板的开发套件

• #五、部署与测试