Hugging Peers

PointNet_seg

☆ Save
by AIBS semantic-segmentation Pytorch
3 downloads 0 likes on ModelScope updated

Model card

PointNet_seg

version author
metrics speed
FPGA_ops
Bitstream
OS

本分支上的模型库文件与 icraft3.31.0 版本适配，部署时对应使用 25060601 版本位流，硬件后端 仅 支持 BUYI，即：

  1. 模型2_compile/config目录下 仅支持 编译 BY 文件夹下的toml文件；
  2. 模型3_deploy/modelzoo/MODEL/cfg目录下的yaml文件中， run_backend 字段 仅支持 配置为 host 或 buyi 。

0. 文件结构说明

AI部署模型需要以下几部分文件

  • 0_PointNet_seg >模型原始工程，需要自行下载
  • weights >存放原始权重，需要自行下载
  • 1_scripts >若干脚本，用于保存Icraft编译器需要的模型、编译后仿真等功能
  • 2_compile >Icraft编译器编译模型时所需要的文件
  • 3_deploy >将Icraft编译器编译出的模型部署到硬件时需要的c++工程

1. python工程准备

1. 模型来源：

  • code：https://github.com/saaries/PointNet
  • branch：master
  • commit_id：16af8ee
  • weights：https://download.fdwxhb.com/data/04_FPAI/04_modelzoo/modelzoo_pub/weights/pytorch/PointNet_seg/seg_model_Airplane_4.pth

2. 保存模型

目的：将模型保存成可以被Icraft编译器编译的形态

1）根据模型来源中的地址：https://download.fdwxhb.com/data/04_FPAI/04_modelzoo/modelzoo_pub/weights/pytorch/PointNet_seg/seg_model_Airplane_4.pth ，下载原始weights，存放于 /weights文件夹中

注意：
  • 有时开源的weights url可能会变更。如果上述weights url失效，请根据原工程相应的branch以及commit版本寻找正确的下载链接
  • 若上述weights url永久失效，请联系本模型库相关人员获取权限下载
  • 您也可自行训练，将训练好的权重存放于/weight文件夹中

2）根据模型来源中的地址，下载指定commit id版本的源代码，文件夹名称要设置为：0_PointNet_seg

# 在此模型根目录
mkdir 0_PointNet_seg
git clone -b master https://github.com/saaries/PointNet 0_PointNet_seg
cd 0_PointNet_seg
git checkout 16af8ee

3）进入1_scripts执行保存模型脚本

# 在此模型根目录
cd 1_scripts
python 1_save.py

1_scripts提供脚本说明：

  • 环境要求：Icraft编译器对导出框架模型时使用的框架版本有要求。即以下脚本中所有导出模型的脚本 1_save.py ，必须在要求的框架版本下执行，其他脚本不限制。要求的版本：

    • pytorch：支持pytorch1.9.0、pytorch2.0.1两个版本的原生网络模型文件（.pt格式），以及pytorch框架保存为onnx（opset=17）格式的模型文件（.onnx格式）
    • paddle：仅支持PaddlePaddle框架保存为onnx（opset=11）格式的模型文件（.onnx格式），不支持框架原生网络模型文件
    • darknet：支持Darknet框架原生网络模型GitHub - pjreddie/darknet: Convolutional Neural Networks

  • 0_infer.py >可以推理一张图并得到最终结果，模型原始权重会从 /weights 中寻找，需要您预先下载

  • 1_save.py >保存模型，保存好的用于Icraft编译器的模型，会存放在 /2_compile/fmodel

    保存模型时的修改点：
    1. 将 max操作替换为maxpool1d操作<br>
    2. 将repeat操作替换为expand操作 <br>
    3. 将logsoftmax操作替换为softmax操作 <br>
    4. 将forward过程中声明的iden常量迁移至ini过程中<br>

  • 2_save_infer.py >用修改后保存的模型做前向推理，验证保存的模型与原模型是否一致

  • 3_sim_infer.py >用编译后的模型做前向仿真，验证编译后的模型与导出的模型是否一致

  • 可视化说明 > 运行上述脚本均会将结果可视化,在可视化窗口并切换为英文输入法下：

    • 'p'表示推理结果
    • 't'表示真值结果(ground_truth)
    • 's'表示保存当前图片
    • 'q'表示退出可视化窗口
    • 更多操作请参考PointNet_seg_utils/showpoints定义

  • render_balls_so.dll问题排查及解决方法

    • 问题描述：运行1_scripts中的脚本时，报0_PointNet_seg/utils/render_balls_so.dll找不到
    • 解决方案：
      • (1)我们提供了render_balls_so.dll位于3_deploy/modelzoo/PointNet_seg/pyrt/render_balls_so.dll请拷贝使用
      • (2）请参考此教程下载并编译可视化工具,相关依赖请从源机器或开源网站下载相关库拷贝至目标机器相应文件夹，库分32位和64位（跟自己操作系统有关），32拷贝到C:\Windows\System32，64位拷贝到C:\Windows\SysWOW64，详细解决方案请参考MSVCR100.dll、MSVCR100d.dll、Msvcp100.dll、Msvcp100D.dll 故障检查及解决方法
# render_balls_so.dll 报错信息
FileNotFound: Could not find module 'xxx\0_PointNet_seg\utils\render_balls_so.dll'. Try using the full path with constructor suntax.

2.使用Icraft编译器编译模型

目的： 使用Icraft编译器将上一步保存好的框架模型转化为硬件可部署模型

  • 1）相关命名说明：

    1）fmodel：frame model >用于Icraft编译器的框架模型

    2）imodel：icraft model >用Icraft编译器编译出的模型

    3）qtset：Quantitative Calibration Set >Icraft编译器所需的量化校准集

  • 2）确认已安装正确的icraft版本

    检查方法：打开cmd运行：icraft --version

    若已正常安装则会显示当前icraft版本，例如：

    Icraft 版本:
 * 3.31.0

CLI 版本:
3.31.0.0-8639261(2507031119)

  • 3）执行编译：

    在 /2_compile目录下执行编译：

    icraft compile config/BY/PointNet_seg_8.toml

    如果过程顺利，将得到 icraft model（以 .json （graph）.raw（param）的格式保存）

    其中包括编译各阶段产生的中间结果模型和最终用于片上部署的BY模型，直接被保存到: 3_deploy/modelzoo/PointNet_seg/imodel

3. 仿真

通过配置3_deploy/modelzoo/PointNet_seg/cfg/中yaml文件的run_backend字段为host实现模型仿真。

imodel:
  ...
  run_backend: host
  ...

4. 部署模型

部署环境检查

  • 以root账户登录片上系统terminal（ssh或串口皆可），模型库默认的模型存放路径为以下目录，如果没有请预先创建：
/home/fmsh/ModelZoo/
  • 检查板上环境是否正确：

    1. 查看环境变量，指令： icraft --version

      看打印信息是否如下：

      Icraft 版本:
* v3.31.0

CLI 版本:
3.31.0.0-8639261(2507031119)

    2. 若是，在任意目录下输入icraft-serve即可打开server

    3. 检查icraft和customop安装包版本是否为arm64

      # 检查icraft安装包版本
dpkg -l | grep icraft
# 检查customop安装包版本
dpkg -l | grep customop

      如果依次显示如下信息，则安装版本正确：

      ii  icraft                         3.31.0                             arm64        This is Icraft for arm64
ii  customop                       3.31.0                             arm64        This is Icraft CustomOp for arm64

    4. 如果环境配置有误，请参考Part 1_1 2.3.1 ARM-Linux（片上系统环境） 编译环境准备进行部署环境配置。

    5. 根据此模型使用的硬算子，选择合适的位流，并在板上安装，所用硬算子及可选位流版本可参见本说明文档起始处的状态徽章，位流下载及安装说明请参考1/4) 其他下载资源。

python runtime:

目的：在AI硬件上执行模型前向推理

  1. python运行虚拟环境要求与准备

    • python版本：3.8（否则无法使用icraft的python API）

    • 确保已安装icraft的python安装包

      • socket模式使用：pip install icraft-3.x.x-cp38-none-win_amd64.whl
      • axi模式使用：pip install icraft-3.x.x-cp38-none-manylinux2014_aarch64.whl

    • 在选定的python运行虚拟环境中安装python运行时所需要的依赖包

      cd 3_deploy/modelzoo/PointNet_seg
pip install -r requirements.txt

    • 安装一些便于开发pyrt的依赖包

      cd 3_deploy/Deps/modelzoo
pip install -e .
      由于python运行时代码在引入依赖包时候已经通过sys.path.append(R"../../../Deps/modelzoo")将一些便于开发pyrt的依赖包加入到了系统路径下，因此可以不用执行该步骤即可直接运行2.执行程序。这里提供额外的[pip install -e .]安装方式是为了在python运行时代码时候方便进行pyrtutils的依赖跳转。

  2. 执行程序

    • 执行程序前请确保在3_deploy/modelzoo/PointNet_seg/io/input文件夹下下载并解压完整的数据集
    • input/shapenetcore_partanno_segmentation_benchmark_v0数据集结构为：
shapenetcore_partanno_segmentation_benchmark_v0
    ├───02691156
    │   ├───points
    │   ├───points_label
    │   └───seg_img
    ├───02773838
    │   ├───points
    │   ├───points_label
    │   └───seg_img
    ├───02954340
    │   ├───points
    │   ├───points_label
    │   └───seg_img
    ...
    ├───04225987
    │   ├───points
    │   ├───points_label
    │   └───seg_img
    ├───04379243
    │   ├───points
    │   ├───points_label
    │   └───seg_img
    └───train_test_split
  • 执行程序
# Windows系统下：
python ./PointNet_seg.py ../cfg/pointnet_seg.yaml
# Linux系统下：
python icraft_launcher.py ./PointNet_seg.py ../cfg/pointnet_seg.yaml

在io/output中查看结果

5. 精度测试

由于精度测试需要遍历一个数据集中的所有图片，因此需要使用上位机作为主控操作系统（demo中是按windows作为上位机操作系统来做的），使用网口连接板子，运行时输入数据会通过上位机经由网口传到片上进行推理。

1. 环境准备

若已准备好环境请跳过此部分

1. 网口调试环境准备（如果已经准备好网口调试环境则看下一条）

  1. 安装ssh

  2. 查看或配置板子ip

    • 使用串口连接板子
    • vim /etc/rc.local
    • 查看或设置ip
    #!/bin/bash
ifconfig eth0 192.168.125.171 netmask 255.255.255.0
systemctl start sshd

  3. 修改本地网络适配器配置

    参考配置

    • ipv4地址：192.168.125.2
    • 子网掩码：255.255.255.0
    • 默认网关：192.168.125.1
    • 连接速度与双工：100mbps全双工

  4. 使用网口或串口进入板上系统打开server

    上位机：

    ssh root@192.168.125.171

    板上： 确保位于root账户下，执行：

    icraft-serve
    • 请确保在root账户下执行上述命令
    • 设备成功打开示意图
    root@U:~# icraft-serve
[02/22/24 02:02:00.388] [I] Using port : 9981
[02/22/24 02:02:00.388] [I] synchronous mode
[02/22/24 02:02:00.388] [I] [irpc::port::tcp::_waitNewConn] wait for new connection

    如果能正确运行则可以继续下一步。

2.编译环境准备

请参考2.1Windows编译环境准备进行精度测试环境配置。

2. 测试说明

  1. 数据集准备
  • 测试数据集下载：shapenet
  • 模型测试使用shapenet数据集的test部分，测试图片存放于 3_deploy\modelzoo\PointNet_seg\io\input\input\shapenetcore_partanno_segmentation_benchmark_v0中
  • 如需测试其他数据集，需自行将图片存放于 3_deploy\modelzoo\PointNet_seg\io\input

  1. 修改 运行时的yaml配置文件：

    运行时需要配置一些模型路径，输入数据，后处理参数等，其配置文件在 3_deploy/modelzoo/PointNet_seg/cfg/

    测试时使用：pointnet_seg_test.yaml

    需要修改：

    • imodel中参数：修改精度测试所用模型文件路径dir，根据所使用板子ip设置ip。
    • dataset中参数：更改自己的精度测试数据集路径。
    • param中参数：如果模型没有重训，则无需更改，若 重训则需要修改对应部分参数; 如class_choice表示分割类别，默认分割Airplane类；如果重训分割其他类别，需要修改此参数。

  2. 编译、执行运行时程序

python运行时（不需要编译）：

cd 3_deploy/modelzoo/PointNet_seg/pyrt
# Windows系统下：
python ./PointNet_seg.py ../cfg/pointnet_seg.yaml
# Linux系统下：
python icraft_launcher.py ./PointNet_seg.py ../cfg/pointnet_seg.yaml

运行结束，mIoU为分割精度。

6. 模型性能记录

PointNet_seg input shape hard time qt_strategy 精度
float [1,3,2500] - - mIoU:66.9
8bit [1,3,2500] 58.391ms [kld-pc] mIoU:66.5
16bit [1,3,2500] 74.320ms [kld-pc] mIoU:66.9