文档中心

简介

本文档介绍 EasyDL 的 Linux Python SDK 的使用方法，适用于 EasyDL 通用版和BML。

• 网络类型支持：图像分类，物体检测

• 硬件支持：

  • Intel Movidius MyRIAD2 / MyRIAD X
• 语言支持：Python 3.5, 3.6, 3.7

Release Notes

2020-12-18: 【接口升级】 序列号配置接口从1.2.0版本开始已升级为新接口，以前的方式被置为deprecated，并将在未来的版本中移除。请尽快考虑升级为新的接口方式，具体使用方式可以参考下文介绍以及demo工程示例，谢谢。

快速开始

1. 安装依赖

根据引擎的不同，SDK 依赖了不同的底层引擎。根据所需自行安装。

安装 openvino

使用Intel Movidius加速棒 SDK 预测时，必须安装 OpenVINO 预测引擎，两种方式：

• 使用 OpenVINO™ toolkit 安装，请参考 OpenVINO toolkit 文档安装 2020.3.1LTS（必须）版本, 安装时可忽略Configure the Model Optimizer及后续部分。

• 使用源码编译安装，请参考 Openvino Inference Engine文档编译安装 2020.3.1（必须）版本。

  安装完毕，运行之前，请按照OpenVinono的文档 设置环境变量

source /opt/intel/openvino/bin/setupvars.sh

2. 安装 easyedge python wheel 包

pip3 install -U BaiduAI_EasyEdge_SDK-{版本号}-cp36-cp36m-linux_x86_64.whl

具体名称以 SDK 包中的 whl 为准。

3. 使用序列号激活

获取序列号 

修改demo.py 填写序列号

pred = edge.Program() pred.set_auth_license_key("这里填写序列号")

4. 测试 Demo

输入对应的模型文件夹（默认为RES）和测试图片路径，运行：

python3 demo.py {model_dir} {image_name.jpg}

测试效果：

使用说明

使用流程

import BaiduAI.EasyEdge as edge

pred = edge.Program() pred.set_auth_license_key("这里填写序列号") pred.init(model_dir={RES文件夹路径},

 device=edge.Device.MOVIDIUS, engine=edge.Engine.OPENVINO) pred.infer_image({numpy.ndarray的图片}) pred.close()

初始化

• 接口

def init(self, model_dir, device=Device.LOCAL, engine=Engine.PADDLE_FLUID,

 config_file='conf.json', preprocess_file='preprocess_args.json',

 model_file='model', params_file='params', graph_file='graph.ncsmodel',

 label_file='label_list.txt', device_id=0 ): """
       Args:
           device: Device.CPU
           engine: Engine.PADDLE_FLUID
           model_dir: str
               model dir
           preprocess_file: str
           model_file: str
           params_file: str
           graph_file: str
           label_file: str
           device_id: int

       Raises:
           RuntimeError, IOError
       Returns:
           bool: True if success

       """

预测图像

• 接口

def infer_image(self, img, threshold=0.3, channel_order='HWC', color_format='BGR', data_type='numpy'): """

       Args:
           img: np.ndarray or bytes
           threshold: float
               only return result with confidence larger than threshold
           channel_order: string
               channel order HWC or CHW
           color_format: string
               color format order RGB or BGR
           data_type: string
               image data type
           
       Returns:
           list

       """

• 返回格式: [dict1, dict2, ...]

关于矩形坐标

x1 * 图片宽度 = 检测框的左上角的横坐标

y1 * 图片高度 = 检测框的左上角的纵坐标

x2 * 图片宽度 = 检测框的右下角的横坐标

y2 * 图片高度 = 检测框的右下角的纵坐标

可以参考 demo 文件中使用 opencv 绘制矩形的逻辑。

结果示例

• i) 图像分类

{ "index": 736, "label": "table", "confidence": 0.9 }

• ii) 物体检测

{ "y2": 0.91211, "label": "cat", "confidence": 1.0, "x2": 0.91504, 

"index": 8, "y1": 0.12671, "x1": 0.21289 }

• iii) 图像分割

{ "name": "cat", "score": 1.0, "location": { "left": ..., "top": ..., "width": ...,

 "height": ..., }, "mask": ... }

mask字段中，data_type为numpy时，返回图像掩码的二维数组

{
  {0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
  {0, 0, 0, 1, 1, 1, 0, 0, 0, 0},
  {0, 0, 0, 1, 1, 1, 0, 0, 0, 0},
  {0, 0, 0, 1, 1, 1, 0, 0, 0, 0},
  {0, 0, 0, 1, 1, 1, 0, 0, 0, 0},
  {0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
}
其中1代表为目标区域，0代表非目标区域

data_type为string时，mask的游程编码，解析方式可参考 demo

升级模型

适用于经典版升级模型，执行bash update_model.sh，根据提示，输入模型路径、激活码、模型ID、模型版本，等待模型更新完毕即可。

FAQ

Q: 运行SDK报错 Authorization failed

情况一：日志显示 Http perform failed: null respond

在新的硬件上首次运行，必须联网激活。

SDK 能够接受HTTP_PROXY 的环境变量通过代理处理自己的网络请求。如

export HTTP_PROXY="http://192.168.1.100:8888" ./easyedge_demo ...

情况二：日志显示failed to get/check device id(xxx)或者Device fingerprint mismatch(xxx)

此类情况一般是设备指纹发生了变更，包括（但不局限于）以下可能的情况：

• MAC地址变化
• 磁盘变更
• BIOS重刷

以及系统相关信息。

遇到这类情况，请确保硬件无变更，如果想更换序列号，请先删除 ~/.baidu/easyedge 目录，再重新激活。