本文介绍如何在AI中台的模型中心导入原始模型，转换成适配NVIDIA Jetson的模型文件，并下发至设备边缘。
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
- 有一个模型，本实验用的是一个图像分类模型fuild-mobilenceV2.zip。该模型支持识别检测猴子、鸡、狗、猫等上百种生物
在AI中台模型仓库导入模型
打开AI中台控制台，进入「模型中心」，选中「模型列表」，点击上传模型。 将下载好的模型上传，配置如图所示：
- 模型类型：这个原始模型的模型类型，此处选择paddle-fluid-v1.5.0
转换模型
导入的原始模型并不适配NVIDIA Jetson类型设备，如果希望模型在NVIDIA Jetson设备上运行，需要进行模型转换操作。
进入「模型中心」，选中「模型转换」，点击「新建转换任务」，在弹出框当中进行配置，如下图所示：
- 源模型：选择上一步导入的模型，即animal_model:1.0.0.0
- 转换后的版本：模型转换以后，将生成新的模型版本，此处设置为1.0.0.1
- 资源池：选择可用资源池
- 模型类型：源模型的模型类型，为图像分类
- 模型框架：源模型的模型框架，为paddle
- 模型网络：这个源模型的模型网络，为MobileNetV2
-
目标设备信息：下面两个是填写目标设备信息，即转换后的模型运行环境信息。
- 操作系统：选择linux，支持ubuntu、centos等常见linux发行版
- 芯片/硬件：这个是设置这个模型需要转换成在哪种类型设备上运行，此处选择NVIDIA Xavier，也可以使用通用ARM，因为jetson设备也是通用ARM设备。
-
模型转换参数：来自于源模型压缩包。
- 模型标签：使用源模型的label_list.txt
- 预处理文件：使用源模型的processor.json
- 网络结构文件：使用源模型的model
- 网络参数文件：使用源模型的params
部署到端设备
模型转换成功后，我们需要将它部署到NVIDIA Jetson上。进入「模型中心」，选中「模型列表」
选中转换好的模型，转换好的模型类型为easyedge。点击【部署到端设备】.选中在智能边缘创建的边缘节点，端口号输入8701.点击部署后，该模型将自动以应用的形式部署到端设备上。
进入「智能边缘」控制台，选中对应的节点，可以看到应用已经出现在应用列表。当节点连上云端时，会自动将该应用部署到节点上。
验证
边缘侧应用部署成功后，调用部署到边缘侧的AI服务来验证这个demo。在浏览器输入：<边缘ip>：8701。 上传检测的图像，可以看到成功识别出猕猴。
