熊旗

• 24年智能車競賽地平線賽道國獎獲得者
• 創(chuàng)客孵化營成員
• 嵌入式AI大膽玩家
• 目標是減少開發(fā)者煩惱

Part.1開發(fā)者日記

Showtime：RDK模型一站式開發(fā)工具功能展示

Part.2開發(fā)者日記故事的開始：一個念頭引發(fā)的技術挑戰(zhàn)

“ 之前在使用的RDK X3的時候，看到過前輩關于新一代量化轉換工具鏈使用教程，這個工具真的非常的方便！能非常快速的完成X3上模型的量化，不過針對X5的工具仍在開發(fā)......"

于是熊旗大膽決定“讓我來！”

他決定仿照前輩的X3可視化工具鏈來制作一個適配X5的可視化量化轉換工具鏈。

“我的初步構想便是這個可視化工具鏈能夠逐步適配地瓜機器人ModelZoo里的所有模型，實現(xiàn)一站式從模型的訓練到模型的轉換最后到部署，使之能夠更加輕松便捷的服務新拿到RDK的同學們。”

Part.3開發(fā)者日記領域展開：魔法的使用方法

于是在經過一段時間的研發(fā)后，熊旗的工具鏈初版完成。目前，模型的訓練和導出已全面支持YOLO系列，實現(xiàn)了從訓練到轉換的完整流程，能有效幫助開發(fā)者更直觀地理解和優(yōu)化模型。

Docker使用（推薦）

# step 1 拉取docker鏡像（阿里云倉庫）docker pull crpi-0uog49363mcubexr.cn-hangzhou.personal.cr.aliyuncs.com/skyxz/rdk_toolchain:v1.3# step 2 創(chuàng)建文件夾映射mkdir ~/datasetexport dataset_path=~/dataset# Run-Method-1 臨時創(chuàng)建容器（自行修改--shm-size配置）docker run -it --rm --gpus all --shm-size=32g --ipc=host -e PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128 -e CUDA_LAUNCH_BLOCKING=1 -p 5000:5000 -p 8080:8080 -v "$dataset_path":/data crpi-0uog49363mcubexr.cn-hangzhou.personal.cr.aliyuncs.com/skyxz/rdk_toolchain:v1.3# Run-Method-2 永久創(chuàng)建容器（自行修改--shm-size配置）docker run -it --rm --gpus all --shm-size={你的內存大小例如：32g} --ipc=host -e PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128 -e CUDA_LAUNCH_BLOCKING=1 -p 5000:5000 -p 8080:8080 -v "$dataset_path":/data crpi-0uog49363mcubexr.cn-hangzhou.personal.cr.aliyuncs.com/skyxz/rdk_toolchain:v1.3 手動構建docker鏡像

手動構建docker鏡像

# step 1 ：從百度云下載源碼（倉庫中僅有前端后端實現(xiàn)）https://pan.baidu.com/s/1fz_DueWNr3uKDLO7KkNwZw?pwd=7jy3# step 2 解壓并進入項目目錄# step 3 構建dockerdocker build -t rdk_toolchain .# step 4 創(chuàng)建文件夾映射mkdir ~/datasetexport dataset_path=~/dataset# Run-Method-1 臨時創(chuàng)建容器（自行修改--shm-size配置）docker run -it --rm --gpus all --shm-size=32g --ipc=host -e PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128 -e CUDA_LAUNCH_BLOCKING=1 -p 5000:5000 -p 8080:8080 -v "$dataset_path":/data crpi-0uog49363mcubexr.cn-hangzhou.personal.cr.aliyuncs.com/skyxz/rdk_toolchain:v1.3# Run-Method-2 永久創(chuàng)建容器（自行修改--shm-size配置）docker run -it --rm --gpus all --shm-size={你的內存大小例如：32g} --ipc=host -e PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128 -e CUDA_LAUNCH_BLOCKING=1 -p 5000:5000 -p 8080:8080 -v "$dataset_path":/data crpi-0uog49363mcubexr.cn-hangzhou.personal.cr.aliyuncs.com/skyxz/rdk_toolchain:v1.3

直接下載源碼使用

# step 1 ：從百度云下載源碼（倉庫中僅有前端后端實現(xiàn)）https://pan.baidu.com/s/1fz_DueWNr3uKDLO7KkNwZw?pwd=7jy3# step 2 : 安裝依賴pip3 install -r requirements_docker.txt# step 3 ：運行腳本即可bash start_services.sh

盡管其他模型如 ResNet、FCOS 仍在支持計劃中，但由于模型量化和轉換部分的高自由度，目前已能夠覆蓋絕大多數(shù)模型的轉換需求。

Part.4開發(fā)者日記Dev前必看：避坑指南 Loading...

當前頁面的任務正在進行的時候請不要切換至其他頁面！切至其他頁面后再切回本頁面無法恢復原先內容！也無法結束進行中的進程了！

當停止某項操作時（如停止訓練）有時停止按鈕可能會卡住無反應，這不是卡死了！這是后臺正在嘗試殺死進程中，幾秒后再次點擊停止即可退出！

當遇到無法結束進程或是在任務進行中切換至其他頁面時請停止Docker以結束后臺正在運行中的進程！

部分日志輸出為紅色不一定是報錯！進程是否因為報錯結束請以訓練狀態(tài)標志為準！

除了模型導出的onnx會放在原pt模型路徑下之外，其他所有運行的結果將保存在/app/logs下

版本進化論：可持續(xù)發(fā)展ing

已支持所有模型的量化轉換操作

已完成ModelZoo中YOLO全系列的訓練與導出實現(xiàn)

TODO V2.0

即將支持ResNet系列模型、FCOS等模型

即將實現(xiàn)PC端轉換后模型推理檢查

推文有沒有讓你意猶未盡？還有哪些沒講到的部分讓你撓頭？別急！熊旗已經準備好了——

RDK可視化工具還有哪些隱藏玩法？ 開發(fā)過程中遇到的坑，怎么優(yōu)雅避開？ 關于模型適配、優(yōu)化、擴展性……

你問，熊旗答！

一個人敲代碼是孤獨的，但一群人一起敲，就變成了一場狂歡——

3月4日晚上7：00，在深夜一個人debug前，不妨預約地瓜機器人視頻號和Bilibili，和熊旗一起把代碼聊出花