一、选题
使用Mindstudio成功复现昇腾社区中的MindX SDK应用案例--Image Coloring
Image Coloring-昇腾社区 (hiascend.com)
二、准备
下载选定样例指定的工程文件，并手动创建data，model，out等三个文件夹，用Mindstudio打开
三、运行
3.1 使用Tools->Deployment->Upload to xxxx 将工程文件上传到你的服务器上
3.2 登录ECS，cd至你上传的工程文件夹的位置
tips：如何知道你上传的工程文件夹在哪个位置？
①使用Tools->Deployment->Configuration
②Mappings->Deployment path ,红框中就是你上传文件在服务器上存放的位置
3.3 使用以下命令下载model文件并解压，目的是我们需要使用atc工具转换为om模型
cd model wget https://mindx.sdk.obs.myhuaweicloud.com/mindxsdk-referenceapps%20/contrib/Colorization/model.zip unzip model.zip
注意：wget 后面需要加上“--no-check-certificat"，不然会报如下的错误
3.4 进入scripts目录执行模型转换脚本
cd ../scripts bash atc_run.sh
3.5 cd 至data目录下，获取测试图片
cd ../data wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/colorization_picture-python/dog.png
3.6 cd至src目录下，运行main.py
cd src python3 main.py ../data/dog.png
3.7 运行结果对比
data/dog.png
out/out_dog.png
四、可视化流程编排
1.appsrc0
输入图片
插件详情如下
2.mxpi_tensorinfer
对输入的图片进行推理
插件详情如下
3.appsink0
对推理后的图片进行输出
插件详情如下
五、工程代码分析
1.初始化流并构建pipeline
streamManagerApi = StreamManagerApi() ret = streamManagerApi.InitManager() pipeline = b"../pipeline/colorization.pipeline" ret = streamManagerApi.CreateMultipleStreamsFromFile(pipeline)
2.图片前处理
origShape, origL, lData = preprocess(inputPic)
将inputPic传入前面定义的preprocess方法，该方法抽取黑白图片L通道，得到orig_shape, orig_l, l_data这个值
3. 根据流名将检测目标传入数据流中，启用appsrc0插件进行输入
treamName = b'colorization' inPluginId = 0 tensor = lData[None, None, :] tensorPackageList = MxpiDataType.MxpiTensorPackageList() tensorPackage = tensorPackageList.tensorPackageVec.add()
key0 = b"appsrc0" protobufVec = InProtobufVector() protobuf = MxProtobufIn() protobuf.key = key0 protobuf.type = b'MxTools.MxpiTensorPackageList' protobuf.protobuf = tensorPackageList.SerializeToString() protobufVec.push_back(protobuf) uniqueId = streamManagerApi.SendProtobuf(streamName, inPluginId, protobufVec)
4.从流里获取数据，启用mxpi_tensorinfer0进行推理
key1 = b"mxpi_tensorinfer0" keyVec = StringVector() keyVec.push_back(key1) inferRes = streamManagerApi.GetProtobuf(streamName, inPluginId, keyVec)
5.推理完成后，输出结果
res = np.frombuffer(tensorList.tensorPackageVec[0].tensorVec[0].dataStr, dtype=np.float32) postprocess(res, inputPic, origShape, origL)
