恩智浦) 芯原 TIM-VX¶

Paddle Lite 已支持通过 TIM-VX 的方式调用芯原 NPU 算力的预测部署。其接入原理是与其他接入 Paddle Lite 的新硬件类似，即加载并分析 Paddle 模型，首先将 Paddle 算子转成 NNAdapter 标准算子，其次再通过 TIM-VX 的组网 API 进行网络构建，在线编译模型并执行模型。

需要注意的是，芯原（verisilicon）作为 IP 设计厂商，本身并不提供实体SoC产品，而是授权其 IP 给芯片厂商，如：晶晨（Amlogic），瑞芯微（Rockchip）等。因此本文是适用于被芯原授权了 NPU IP 的芯片产品。只要芯片产品没有大副修改芯原的底层库，则该芯片就可以使用本文档作为 Paddle Lite 推理部署的参考和教程。在本文中，晶晨 SoC 中的 NPU 和瑞芯微 SoC 中的 NPU 统称为芯原 NPU。

支持现状¶

已支持的芯片¶

Amlogic A311D
Amlogic S905D3
Amlogic C308X
Rockchip RV1109
Rockchip RV1126
Rockchip RK1808
NXP i.MX 8M Plus

注意：理论上支持所有经过芯原授权了 NPU IP 的 SoC（须有匹配版本的 NPU 驱动，下文描述），上述为经过测试的部分芯片型号。

已支持的 Paddle 模型¶

模型¶

mobilenet_v1_int8_224_per_layer
mobilenet_v2_int8_224_per_layer
mobilenet_v3_int8_224_per_channel
shufflenet_v2_int8_224_per_layer
resnet50_int8_224_per_layer
ssd_mobilenet_v1_relu_voc_int8_300_per_layer
yolov5s_int8_640_per_channel
picodet_relu6_int8_416_per_channel；额外的，关于 picodet，我们提供了 linux 系统的可视化 picodet demo

性能¶

测试环境
- 编译环境
  - Ubuntu 16.04，GCC 5.4 for ARMLinux armhf and aarch64
- 硬件环境
  - Amlogic A311D
    - CPU：4 x ARM Cortex-A73 + 2 x ARM Cortex-A53
    - NPU：5 TOPs for INT8
  - Amlogic S905D3
    - CPU：2 x ARM Cortex-55
    - NPU：1.2 TOPs for INT8
  - Amlogic C308X
    - CPU：2 x ARM Cortex-55
    - NPU：4 TOPs for INT8
  - Rockchip RK1808
    - CPU：2 x ARM Cortex-35
    - NPU：3 TOPs for INT8
  - Rockchip RV1109
    - CPU：2 x ARM Cortex-A7
    - NPU：1.2 TOPs for INT8
  - Rockchip RV1126
    - CPU：4 x ARM Cortex-A7
    - NPU：2 TOPs for INT8
  - NXP i.MX 8M Plus
    - CPU：4 x ARM Cortex-53
    - NPU：5 TOPs for INT8
测试方法
- warmup=1, repeats=5，统计平均时间，单位是 ms
- 线程数为1，paddle::lite_api::PowerMode CPU_POWER_MODE设置为paddle::lite_api::PowerMode::LITE_POWER_HIGH
- 分类模型的输入图像维度是{1, 3, 224, 224}
测试结果

模型	A311D		S905D3		C308X		RK1808		RV1109		RV1126		i.MX 8M Plus
	CPU(ms)	NPU(ms)	CPU(ms)	NPU(ms)	CPU(ms)	NPU(ms)	CPU(ms)	NPU(ms)	CPU(ms)	NPU(ms)	CPU(ms)	NPU(ms)	CPU(ms)	NPU(ms)
mobilenet_v1_int8_224_per_layer	81.6321	5.1125	280.4659	12.8081	167.623	6.9828	264.6235	6.139	335.0399	15.1995	281.63	10.2766	106.656	3.21236
mobilenet_v2_int8_224_per_layer	124.5915	7.2110	350.2003	17.4572	257.223	14.9003	357.0515	17.5205	335.0399	21.7522	350.893	19.5102	146.658	5.546
mobilenet_v3_int8_224_per_channel	145.3235	11.7315	408.2256	25.5506	296.603	15.5162	286.9802	13.998	335.0399	16.0502	401.090	14.7521	160.114
shufflenet_v2_int8_224_per_layer	65.4983	3.6092	221.8125	9.3139	134.2521	5.8354	79.6334	6.6051	1660.2725	7.1952	402.225	6.2400	59.959	12.6551
resnet50_int8_224_per_layer	390.4983	17.5832	787.5323	41.3139	949.5	32.354	1188.3469	18.1784	1660.2725	24.8895	590.8854	47.792	409.325	12.6551
ssd_mobilenet_v1_relu_voc_int8_300_per_layer	134.9915	15.2167	295.4891	40.1089	196.377	26.8084	542.56	16.84	512.101	22.187	261.5986	20.12287	159.3365	14.2235
yolov5s_int8_640_per_channel	455.5805	92.2132	1619.3089	198.3684	906.377	167.8554	542.56	179.0228	1712.101	214.187	1513.390	200.235	459.2507
picodet_relu6_int8_416_per_channel	246.0785	35.2960	686.2054	79.1789	496.377	69.1412	542.56	74.8410	706.560	139.6872	661.6818	122.3293	261.9874

已支持（或部分支持）NNAdapter 的 Paddle 算子¶

您可以查阅 NNAdapter 算子支持列表获得各算子在不同新硬件上的最新支持信息。

参考示例演示¶

准备设备环境¶

确定开发板 NPU 驱动版本
- 由于晶晨 SoC、瑞芯微1代 Soc、恩智浦 i.MX 8M Plus 等使用芯原 NPU IP，因此，部署前要保证芯原 Linux Kernel NPU 驱动—— galcore.so 版本及所适用的芯片型号与依赖库保持一致。
- 请登录开发板，并通过命令行输入 dmesg | grep Galcore 查询 NPU 驱动版本。
  - 请务必注意，建议 NPU 驱动版本为：

SoC 厂家	驱动板本
Amlogic	6.4.4.3
Rockchip	6.4.6.5
NXP	6.4.3.p1

- 举个例子，以晶晨 Amlogic A311D 为例，需要为 6.4.4.3（其他搭载了芯原 NPU 的 SoC 驱动版本要求参照上表）：
  ```shell
  $ dmesg | grep Galcore
  [   24.140820] Galcore version 6.4.4.3.310723AAA
  ```
- 如果当前版本就符合上述 ，直接跳过本环节。

如果当前版本不符合上述，请用户仔细阅读以下内容，以保证底层 NPU 驱动环境正确。
前提科普：由于使用芯原 NPU 的 SoC 众多，且同一 SoC 芯片、不同开发板之间存在 linux kernel 版本的差异，该差异直接影响 NPU 驱动的通用性。用户可以如此理解：1）芯原提供 NPU IP、2）芯片商（晶晨、瑞芯微、恩智浦）提供 SoC 芯片、3）开发板商（产品商）提供实际开发板产品，这三方共同形成了芯片产业生态。
芯原 NPU 的开发板主要有两个关键环境因素务必对齐：1）galcore.ko（既 NPU 驱动文件）；2）NPU 依赖库。上述两者需要版本对齐，缺一不可。
有两种方式可以修改当前的 NPU 驱动版本及其依赖库：
- 『方法 1』：手动替换 NPU 驱动版本及其依赖库。（推荐）
- 『方法 2』：刷机，刷取 NPU 驱动版本符合要求的固件。
我们首先描述『方法 1』手动替换驱动文件和依赖库，先行下载并解压PaddleLite-generic-demo.tar.gz，其中包含不同版本、不同芯片型号的 galcore.ko（既 NPU 驱动文件）和 NPU 依赖库。
- 下表会罗列部分市面常见开发板的情况，以及我们在 PaddleLite-generic-demo.tar.gz 中提供的现成的驱动文件和依赖库。请照着下表格，找到自己手中对应设备的芯片、开发板、Linux Kernel 版本（可命令行输入 uname -a 查看），从而获取到真正需要的 1）galcore.ko（既 NPU 驱动文件）；2）NPU 依赖库。并且分别将 galcore.ko 上传至开发板后，insmod galcore.ko，以及输入表格中的命令刷取正确的NPU 依赖库（软链接）。更加详细易懂的使用步骤会在下表格后描述。

SoC 型号	开发板厂家	开发板型号	OS	推荐Linux Kernl 版本	推荐NPU驱动版本	是否提供galcore.ko驱动文件	galcore.ko驱动文件路径	是否提供 NPU 依赖库	刷取 NPU 依赖库软链接命令
Amlogic A311D	世野科技 Khadas	VIM3 购买链接	android	4.9.113	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/a311d/4.9.113	是	cd PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_4_3 a311d
Amlogic A311D	世野科技 Khadas	VIM3 购买链接	linux	4.9.241	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/a311d/4.9.241	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_4_3 a311d
Amlogic A311D	荣品	PR-A311D 购买链接	linux	4.9.113	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/a311d/4.9.113	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_4_3 a311d
Amlogic A311D	其他		linux	4.9.113	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/a311d/4.9.113	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_4_3 a311d
Amlogic 905D3	世野科技 Khadas	VIM3L 购买链接	android	4.9.113	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/s905d3/4.9.113	是	cd PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_4_3 s905d3
Amlogic 905D3	世野科技 Khadas	VIM3L 购买链接	linux	4.9.241	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/s905d3/4.9.241	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_4_3 s905d3
Amlogic 905D3	荣品	RP-S905 购买链接	linux	4.9.113	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/s905d3/4.9.113	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_4_3 s905d3
Amlogic 905D3	其他		linux	4.9.113	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/s905d3/4.9.113	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_4_3 s905d3
Amlogic C308X	其他		linux	4.19.81	6.4.4.3	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_4_3/lib/c308x/4.19.81	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon__timvx && ./switch_viv_sdk.sh 6_4_4_3 c308x
Rockchip RV1109	瑞芯微	RV1109 DDR3 EVB	linux	4.19.111	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/viv_sdk_6_4_6_5/1109/4.19.111	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1109
Rockchip RV1109	荣品	RP-RV1109 购买链接	linux	4.19.111	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/viv_sdk_6_4_6_5/1109/4.19.111	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1109
Rockchip RV1109	其他		linux	4.19.111	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/viv_sdk_6_4_6_5/1109/4.19.111	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1109
Rockchip RV1126	瑞芯微	RV1126 DDR3 EVB	linux	4.19.111	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/viv_sdk_6_4_6_5/1126/4.19.111	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1126
Rockchip RV1126	荣品	RP-RV1126 购买链接	linux	4.19.111	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/viv_sdk_6_4_6_5/1126/4.19.111	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1126
Rockchip RV1126	其他		linux	4.19.111	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/viv_sdk_6_4_6_5/1126/4.19.111	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1126
Rockchip RK1808	瑞芯微	RK1808 DDR3 EVB	linux	4.4.194	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_6_5/lib/1808/4.4.194	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1808
Rockchip RK1808	荣品	RP-RK1808 购买链接	linux	4.4.194	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_6_5/lib/1808/4.4.194	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1808
Rockchip RK1808	其他		linux	4.4.194	6.4.6.5	是	PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/viv_sdk_6_4_6_5/lib/1808/4.4.194	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_6_5 1808
NPX i.MX 8M Plus	其他		linux	5.4.70	6.4.3.p1	否	目前常见的 NPX i.MX 8M Plus 开发板的系统较为特殊，其驱动文件是 buildin 在系统中的	是	cd PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx && ./switch_viv_sdk.sh 6_4_3_p1 imx8mp

- 详细步骤：
  - 第一步：在上表格中，根据芯片型号、开发板商，找到对应自己的开发板那一行。
  - 第二步：登录开发板，命令行输入 uname -a 来确定自己开发板的 Linux Kernel 是否和表格中一致，如果不一致，请跳转至『方法 2』.
  - 第三步：在表格里找到对应行中 galcore.ko 文件的路径，将 galcore.ko 其上传至开发板。
  - 第四步：登录开发板，命令行输入 `sudo rmmod galcore` 来卸载原始驱动，输入 `sudo insmod galcore.ko` 来加载传上设备的驱动。（是否需要 sudo 根据开发板实际情况，部分 adb 链接的设备请提前 adb root）。此步骤如果操作失败，请跳转至『方法 2』.
  - 第五步：在开发板中输入 `dmesg | grep Galcore` 查询 NPU 驱动版本，确定为：晶晨6.4.4.3，瑞芯微6.4.6.5，NXP 6.4.3.p1。
  - 第六步：在表格里找到对应设备行的最后一列，在下载了[PaddleLite-generic-demo](https://paddlelite-demo.bj.bcebos.com/devices/generic/PaddleLite-generic-demo_v2_12_0.tar.gz)的PC目录下输入表中命令，切换成对应的 NPU 依赖库软链接。
  - 至此，前期的环境准备就已经完成，恭喜您，可以完美复现我们需要的环境。
  - 最后，所有开发板都有开机默认加载路径，建议用户把之前上传的 galcore.ko 文件放在开发板的系统默认加载目录下（一般情况为 XXX/lib/modules/ 下，用户可以在开发板的 / 目录下 `find -name galcore.ko` 来得知应该放在哪里），如此下次开机便能自动加载我们需要的 NPU 驱动。

如果上述方法在过程中失败，那我们使用『方法 2』刷机：
- 根据具体的开发板型号，向开发板卖家或官网客服索要对应上表中版本 NPU 驱动对应的固件和刷机方法。
  - 在此额外提供 khadas 开发板 VIM3|VIM3L 的 6.4.4.3 固件以及官方教程链接：
    - 刷机镜像（包含 NPU 驱动文件和芯原相关依赖库，分别提供 khadas 官方服务器下载地址，和飞桨服务器的下载地址，均可下载使用）：
      - VIM3 Android：VIM3_Pie_V210908：官方链接；百度云备用链接
      - VIM3 Linux：VIM3_Ubuntu-gnome-focal_Linux-4.9_arm64_EMMC_V1.0.7-210625：官方链接；百度云备用链接
      - VIM3L Android：VIM3L_Pie_V210906：官方链接；百度云备用链接
      - VIM3L Linux：VIM3L_Ubuntu-gnome-focal_Linux-4.9_arm64_EMMC_V1.0.7-210625：官方链接；百度云备用链接
    - 官方刷机教程：VIM3/3L Android 文档 , VIM3/3L Linux 文档，其中有详细描述刷机方法。
  - 其余开发板用户可向开发板卖家或官网客服索要晶晨6.4.4.3，瑞芯微6.4.6.5，NXP 6.4.3.p1 版本的 NPU 驱动对应的固件和刷机方法。
示例程序和 Paddle Lite 库的编译建议采用交叉编译方式，通过 adb或ssh 进行设备的交互和示例程序的运行。

准备交叉编译环境¶

为了保证编译环境一致，建议参考 Docker 统一编译环境搭建中的 Docker 开发环境进行配置；
由于有些设备只提供网络访问方式（根据开发版的实际情况），需要通过 scp 和 ssh 命令将交叉编译生成的Paddle Lite 库和示例程序传输到设备上执行，因此，在进入 Docker 容器后还需要安装如下软件：
```
$ apt-get install openssh-client sshpass
```

运行图像分类示例程序¶

下载 Paddle Lite 通用示例程序PaddleLite-generic-demo.tar.gz，解压后目录主体结构如下（注意其中软链接为 switch_viv_sdk.sh 根据芯片型号和 NPU 驱动版本创建依赖库的软链接）：

  - PaddleLite-generic-demo
    - image_classification_demo
      - assets
        - configs
          - imagenet_224.txt # config 文件
          - synset_words.txt # 1000 分类 label 文件
        - datasets
          - test # dataset
            - inputs
              - tabby_cat.jpg # 输入图片
            - outputs
              - tabby_cat.jpg # 输出图片
            - list.txt # 图片清单
        - models
          - mobilenet_v1_int8_224_per_layer
            - __model__ # Paddle fluid 模型组网文件，可使用 netron 查看网络结构
            — conv1_weights # Paddle fluid 模型参数文件
            - batch_norm_0.tmp_2.quant_dequant.scale # Paddle fluid 模型量化参数文件
            — subgraph_partition_config_file.txt # 自定义子图分割配置文件
            ...
      - shell
        - CMakeLists.txt # 示例程序 CMake 脚本
        - build.linux.arm64 # arm64 编译工作目录
          - demo # 已编译好的，适用于 arm64 的示例程序
        - build.linux.armhf # armhf编译工作目录
          - demo # 已编译好的，适用于 armhf 的示例程序
        - build.android.armeabi-v7a # Android armv7编译工作目录
          - demo # 已编译好的，适用于 Android armv7 的示例程序
        ...
        - demo.cc # 示例程序源码
        - build.sh # 示例程序编译脚本
        - run.sh # 示例程序本地运行脚本
        - run_with_ssh.sh # 示例程序ssh运行脚本
        - run_with_adb.sh # 示例程序adb运行脚本
    - libs
      - PaddleLite
        - linux
          - arm64 # Linux 64 位系统
            - include # Paddle Lite 头文件
            - lib # Paddle Lite 库文件
              - verisilicon_timvx # 芯原 DDK、NNAdapter 运行时库、device HAL 库
                - libArchModelSw.so -> ./viv_sdk_6_4_4_3/lib/libArchModelSw.so
                - libCLC.so -> ./viv_sdk_6_4_4_3/lib/libCLC.so
                - libGAL.so -> ./viv_sdk_6_4_4_3/lib/libGAL.so
                - libNNArchPerf.so -> ./viv_sdk_6_4_4_3/lib/libNNArchPerf.so
                - libNNGPUBinary.so -> ./viv_sdk_6_4_4_3/lib/a311d/libNNGPUBinary.so
                - libNNVXCBinary.so -> ./viv_sdk_6_4_4_3/lib/a311d/libNNVXCBinary.so
                - libOpenCL.so -> ./viv_sdk_6_4_4_3/lib/libOpenCL.so
                - libOpenVX.so -> ./viv_sdk_6_4_4_3/lib/libOpenVX.so
                - libOpenVXU.so -> ./viv_sdk_6_4_4_3/lib/libOpenVXU.so
                - libOvx12VXCBinary.so -> ./viv_sdk_6_4_4_3/lib/a311d/libOvx12VXCBinary.so
                - libVSC.so -> ./viv_sdk_6_4_4_3/lib/libVSC.so
                - libverisilicon_timvx.so # NNAdapter device HAL 库
                - libnnadapter.so  # NNAdapter 运行时库
                - libtim-vx.so -> ./viv_sdk_6_4_4_3/lib/libtim-vx.so # 芯原 TIM-VX 库
                - switch_viv_sdk.sh # 根据芯片型号和 NPU 驱动版本创建依赖库的软链接
                - viv_sdk_6_4_4_3
                  - include
                  - lib
                    - a311d # 针对 a311d 平台
                      - 4.9.241
                        - galcore.ko # NPU 驱动文件
                      - libNNGPUBinary.so # 芯原 DDK
                      - libNNVXCBinary.so # 芯原 DDK
                      - libOvx12VXCBinary.so # 芯原 DDK
                    - libArchModelSw.so # 芯原 DDK
                    - libCLC.so # 芯原 DDK
                    - libGAL.so # 芯原 DDK
                    - libNNArchPerf.so # 芯原 DDK
                    - libOpenCL.so # 芯原 DDK
                    - libOpenVX.so # 芯原 DDK
                    - libOpenVXU.so # 芯原 DDK
                    - libVSC.so # 芯原 DDK
                    - libovxlib.so
                    - libtim-vx.so # 芯原 TIM-VX 库
                    - s905d3 # 针对 s905d3 平台
                      - 4.9.241
                        - galcore.ko
                      ...
                    - c308x # 针对 c308x 平台
                      - 4.19.81
                        - galcore.ko
                      ...
                - viv_sdk_6_4_6_5
                  - lib
                    - 1808 # 针对 rk1808 平台
                      - 4.4.194
                        - galcore.ko
                      ...
                - viv_sdk_6_4_3_p1
                  - include
                  - lib
                    - imx8mp # 针对 nxp i.MX 8M Plus 平台
                    ...
                ...
              - libpaddle_full_api_shared.so # 预编译 PaddleLite full api 库
              - libpaddle_light_api_shared.so # 预编译 PaddleLite light api 库
          - armhf # Linux 32 位系统
            - include # Paddle Lite 头文件
            - lib # Paddle Lite 库文件
              - verisilicon_timvx # 芯原 DDK、NNAdapter 运行时库、device HAL 库
                - viv_sdk_6_4_6_5
                  - 1109 # 针对 rv1109 平台
                    - 4.19.111
                      - galcore.ko
                    ...
                  - 1126 # 针对 rv1126平台
                    - 4.19.111
                      - galcore.ko
                    ...
                ...
              ...
          ...
        - android
         - armeabi-v7a # Android 32 位系统
            - include # Paddle Lite 头文件
            - lib # Paddle Lite 库文件
              - verisilicon_timvx # 芯原 DDK、NNAdapter 运行时库、device HAL 库
                - libCLC.so -> ./viv_sdk_6_4_4_3/lib/libCLC.so
                - libGAL.so -> ./viv_sdk_6_4_4_3/lib/libGAL.so
                - libNNArchPerf.so -> ./viv_sdk_6_4_4_3/lib/libNNArchPerf.so
                - libNNGPUBinary.so -> ./viv_sdk_6_4_4_3/lib/s905d3/libNNGPUBinary.so
                - libNNVXCBinary.so -> ./viv_sdk_6_4_4_3/lib/s905d3/libNNVXCBinary.so
                - libOpenCL.so -> ./viv_sdk_6_4_4_3/lib/libOpenCL.so
                - libOpenVX.so -> ./viv_sdk_6_4_4_3/lib/libOpenVX.so
                - libOpenVXU.so -> ./viv_sdk_6_4_4_3/lib/libOpenVXU.so
                - libOvx12VXCBinary.so -> ./viv_sdk_6_4_4_3/lib/s905d3/libOvx12VXCBinary.so
                - libVSC.so -> ./viv_sdk_6_4_4_3/lib/libVSC.so
                - libverisilicon_timvx.so # NNAdapter device HAL 库
                - libarchmodelSw.so -> ./viv_sdk_6_4_4_3/lib/libarchmodelSw.so
                - libnnadapter.so # NNAdapter 运行时库
                - libtim-vx.so # 芯原 TIM-VX 库
                - switch_viv_sdk.sh # 根据芯片型号和 NPU 驱动版本创建依赖库的软链接
                - viv_sdk_6_4_4_3
                  - include
                  - lib
                    - a311d # 针对 a311d 平台
                      - 4.9.113
                        - VERSION
                        - galcore.ko # NPU驱动
                      - libNNGPUBinary.so
                      - libNNVXCBinary.so
                      - libOvx12VXCBinary.so
                    - s905d3 # 针对 s905d3 平台
                      - 4.9.113
                          - VERSION
                          - galcore.ko # NPU驱动
                      - libNNGPUBinary.so # 芯原 DDK
                      - libNNVXCBinary.so # 芯原 DDK
                      - libOvx12VXCBinary.so # 芯原 DDK
                    - libCLC.so # 芯原 DDK
                    - libGAL.so # 芯原 DDK
                    - libNNArchPerf.so # 芯原 DDK
                    - libOpenCL.so 
                    - libOpenVX.so # 芯原 DDK
                    - libOpenVXU.so # 芯原 DDK
                    - libVSC.so # 芯原 DDK
                    - libarchmodelSw.so # 芯原 DDK
                    - libovxlib.so
                    ...
              - libpaddle_full_api_shared.so # 预编译 Paddle Lite full api 库
              - libpaddle_light_api_shared.so # 预编译 Paddle Lite light api 库
      - OpenCV # OpenCV 预编译库
    - object_detection_demo # 目标检测示例程序

按照以下命令分别运行转换后的ARM CPU模型和芯原 TIM-VX 模型，比较它们的性能和结果；

注意：
1）`run_with_adb.sh` 不能在 Docker 环境执行，否则可能无法找到设备，也不能在设备上运行。
2）`run_with_ssh.sh` 不能在设备上运行，且执行前需要配置目标设备的 IP 地址、SSH 账号和密码。
3）`build.sh` 根据入参生成针对不同操作系统、体系结构的二进制程序，需查阅注释信息配置正确的参数值。
4）`run_with_adb.sh` 入参包括模型名称、操作系统、体系结构、目标设备、设备序列号等，需查阅注释信息配置正确的参数值。
5）`run_with_ssh.sh` 入参包括模型名称、操作系统、体系结构、目标设备、ip地址、用户名、用户密码等，需查阅注释信息配置正确的参数值。
6）下述命令行示例中涉及的具体IP、SSH账号密码、设备序列号等均为示例环境，请用户根据自身实际设备环境修改。

在 ARM CPU 上运行 mobilenet_v1_int8_224_per_layer 全量化模型
$ cd PaddleLite-generic-demo/image_classification_demo/shell

For SSH 连接开发板的使用场景

Linux arm64 命令：
$ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux arm64 cpu IP地址 22 用户名 密码

Linux arm32 命令：
$ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux armhf cpu IP地址 22 用户名 密码

Android armeabi-v7a 命令：
$ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test android armeabi-v7a cpu IP地址 22 用户名 密码
  (如下以 A311D(Linux 版) 为例，其他 SoC 也一样，仅性能有区别)

  Top1 Egyptian cat - 0.503239
  Top2 tabby, tabby cat - 0.419854
  Top3 tiger cat - 0.065506
  Top4 lynx, catamount - 0.007992
  Top5 cougar, puma, catamount, mountain lion, painter, panther, Felis concolor - 0.000494
  Preprocess time: 8.881000 ms, avg 8.881000 ms, max 8.881000 ms, min 8.881000 ms
  Prediction time: 62.890000 ms, avg 62.890000 ms, max 62.890000 ms, min 62.890000 ms
  Postprocess time: 9.080000 ms, avg 9.080000 ms, max 9.080000 ms, min 9.080000 ms

For ADB 连接开发板的使用场景

Linux arm64 命令：
$ ./run_with_adb.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux arm64 cpu adb设备号

Linux arm32 命令：
$ ./run_with_adb.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux armhf cpu adb设备号

Android armeabi-v7a 命令：
$ ./run_with_adb.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test android armeabi-v7a cpu adb设备号
  (如下以 S905D3(Android版) 为例，其他 SoC 也一样，仅性能有区别)

  Top1 Egyptian cat - 0.502124
  Top2 tabby, tabby cat - 0.413927
  Top3 tiger cat - 0.071703
  Top4 lynx, catamount - 0.008436
  Top5 cougar, puma, catamount, mountain lion, painter, panther, Felis concolor - 0.000563
  Preprocess time: 22.465000 ms, avg 22.465000 ms, max 22.465000 ms, min 22.465000 ms
  Prediction time: 135.449000 ms, avg 135.449000 ms, max 135.449000 ms, min 135.449000 ms
  Postprocess time: 16.956000 ms, avg 16.956000 ms, max 16.956000 ms, min 16.956000 ms

------------------------------

在 芯原 NPU 上运行 mobilenet_v1_int8_224_per_layer 全量化模型
$ cd PaddleLite-generic-demo/image_classification_demo/shell

For SSH 连接开发板的使用场景

Linux arm64 命令：
$ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux arm64 verisilicon_timvx IP地址 22 用户名 密码

Linux arm32 命令：
$ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux armhf verisilicon_timvx IP地址 22 用户名 密码

Android armeabi-v7a 命令：
$ ./run_with_ssh.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test android armeabi-v7a verisilicon_timvx IP地址 22 用户名 密码
  (如下以 A311D(Linux 版) 为例，其他 SoC 也一样，仅性能有区别，精度可能有细微差异)

  Top1 Egyptian cat - 0.497230
  Top2 tabby, tabby cat - 0.403634
  Top3 tiger cat - 0.081897
  Top4 lynx, catamount - 0.011700
  Top5 tiger shark, Galeocerdo cuvieri - 0.000000
  Preprocess time: 13.014000 ms, avg 13.014000 ms, max 13.014000 ms, min 13.014000 ms
  Prediction time: 5.480000 ms, avg 5.480000 ms, max 5.480000 ms, min 5.480000 ms
  Postprocess time: 10.099000 ms, avg 10.099000 ms, max 10.099000 ms, min 10.099000 ms

For ADB 连接开发板的使用场景

Linux arm64 命令：
$ ./run_with_adb.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux arm64 verisilicon_timvx adb设备号

Linux arm32 命令：
$ ./run_with_adb.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test linux armhf verisilicon_timvx adb设备号

Android armeabi-v7a 命令：
$ ./run_with_adb.sh mobilenet_v1_int8_224_per_layer imagenet_224.txt test android armeabi-v7a verisilicon_timvx adb设备号
  (如下以 S905D3(Android版) 为例，其他 SoC 也一样，仅性能有区别，精度可能有细微差异)

  Top1 Egyptian cat - 0.497230
  Top2 tabby, tabby cat - 0.403634
  Top3 tiger cat - 0.081897
  Top4 lynx, catamount - 0.011700
  Top5 great white shark, white shark, man-eater, man-eating shark, Carcharodon carcharias - 0.000000
  Preprocess time: 22.539000 ms, avg 22.539000 ms, max 22.539000 ms, min 22.539000 ms
  Prediction time: 11.470000 ms, avg 11.470000 ms, max 11.470000 ms, min 11.470000 ms
  Postprocess time: 17.884000 ms, avg 17.884000 ms, max 17.884000 ms, min 17.884000 ms

如果需要更改测试图片，可将图片拷贝到 PaddleLite-generic-demo/image_classification_demo/assets/datasets/test/inputs 目录下，同时将图片文件名添加到 PaddleLite-generic-demo/image_classification_demo/assets/datasets/test/list.txt 中；

重新编译示例程序：

注意：
1）请根据 `buid.sh` 配置正确的参数值。
2）需在 Docker 环境中编译。

For Linux 64
$ ./build.sh linux arm64

For Linux 32
$ ./build.sh linux armhf

For Android armeabi-v7a
$ ./build.sh android armeabi-v7a

更新模型¶

通过 Paddle 训练或 X2Paddle 转换得到 MobileNetv1 foat32 模型 mobilenet_v1_fp32_224
通过 Paddle+PaddleSlim 后量化方式，生成 mobilenet_v1_int8_224_per_layer 量化模型

下载 PaddleSlim-quant-demo.tar.gz ，解压后清单如下：

- PaddleSlim-quant-demo
  - image_classification_demo
    - quant_post # 后量化
      - quant_post_rockchip_npu.sh # 一键量化脚本，Amlogic 和瑞芯微底层都使用芯原的 NPU，所以通用
      - README.md # 环境配置说明，涉及 PaddlePaddle、PaddleSlim 的版本选择、编译和安装步骤
      - datasets # 量化所需要的校准数据集合
        - ILSVRC2012_val_100 # 从 ImageNet2012 验证集挑选的 100 张图片
      - inputs # 待量化的 fp32 模型
        - mobilenet_v1
        - resnet50
      - outputs # 产出的全量化模型
      - scripts # 后量化内置脚本

查看 README.md 完成 PaddlePaddle 和 PaddleSlim 的安装

直接执行 ./quant_post_rockchip_npu.sh 即可在 outputs 目录下生成mobilenet_v1_int8_224_per_layer 量化模型

-----------  Configuration Arguments -----------
activation_bits: 8
activation_quantize_type: moving_average_abs_max
algo: KL
batch_nums: 10
batch_size: 10
data_dir: ../dataset/ILSVRC2012_val_100
is_full_quantize: 1
is_use_cache_file: 0
model_path: ../models/mobilenet_v1
optimize_model: 1
output_path: ../outputs/mobilenet_v1
quantizable_op_type: conv2d,depthwise_conv2d,mul
use_gpu: 0
use_slim: 1
weight_bits: 8
weight_quantize_type: abs_max
------------------------------------------------
quantizable_op_type:['conv2d', 'depthwise_conv2d', 'mul']
2021-08-30 05:52:10,048-INFO: Load model and set data loader ...
2021-08-30 05:52:10,129-INFO: Optimize FP32 model ...
I0830 05:52:10.139564 14447 graph_pattern_detector.cc:91] ---  detected 14 subgraphs
I0830 05:52:10.148236 14447 graph_pattern_detector.cc:91] ---  detected 13 subgraphs
2021-08-30 05:52:10,167-INFO: Collect quantized variable names ...
2021-08-30 05:52:10,168-WARNING: feed is not supported for quantization.
2021-08-30 05:52:10,169-WARNING: fetch is not supported for quantization.
2021-08-30 05:52:10,170-INFO: Preparation stage ...
2021-08-30 05:52:11,853-INFO: Run batch: 0
2021-08-30 05:52:16,963-INFO: Run batch: 5
2021-08-30 05:52:21,037-INFO: Finish preparation stage, all batch:10
2021-08-30 05:52:21,048-INFO: Sampling stage ...
2021-08-30 05:52:31,800-INFO: Run batch: 0
2021-08-30 05:53:23,443-INFO: Run batch: 5
2021-08-30 05:54:03,773-INFO: Finish sampling stage, all batch: 10
2021-08-30 05:54:03,774-INFO: Calculate KL threshold ...
2021-08-30 05:54:28,580-INFO: Update the program ...
2021-08-30 05:54:29,194-INFO: The quantized model is saved in ../outputs/mobilenet_v1
post training quantization finish, and it takes 139.42292165756226.

-----------  Configuration Arguments -----------
batch_size: 20
class_dim: 1000
data_dir: ../dataset/ILSVRC2012_val_100
image_shape: 3,224,224
inference_model: ../outputs/mobilenet_v1
input_img_save_path: ./img_txt
save_input_img: False
test_samples: -1
use_gpu: 0
------------------------------------------------
Testbatch 0, acc1 0.8, acc5 1.0, time 1.63 sec
End test: test_acc1 0.76, test_acc5 0.92
--------finish eval int8 model: mobilenet_v1-------------

参考模型转化方法，利用 opt 工具转换生成 TIM-VX 模型，仅需要将 valid_targets 设置为 verisilicon_timvx, arm 即可。

$ ./opt --model_dir=mobilenet_v1_int8_224_per_layer \
    --optimize_out_type=naive_buffer \
    --optimize_out=opt_model \
    --valid_targets=verisilicon_timvx,arm

更新支持 TIM-VX 的 Paddle Lite 库¶

下载 Paddle Lite 源码

$ git clone https://github.com/PaddlePaddle/Paddle-Lite.git
$ cd Paddle-Lite
$ git checkout <release-version-tag>
注意：编译中依赖的 verisilicon_timvx 相关代码和依赖项会在后续编译脚本中自动下载，无需用户手动下载。

编译并生成 Paddle Lite+Verisilicon_TIMVX 的部署库

For A311D(Linux 版) & S905D3(Linux 版) & C308X(Linux 版)

tiny_publish 编译方式

$ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_linux_arm64_6_4_4_3_generic.tgz

full_publish 编译方式

$ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_linux_arm64_6_4_4_3_generic.tgz full_publish

替换头文件和库

替换 include 目录
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/include/ PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/include/

替换 NNAdapter 运行时库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libnnadapter.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 NNAdapter device HAL 库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libverisilicon_timvx.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 芯原 TIM-VX 库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libtim-vx.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 libpaddle_light_api_shared.so
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libpaddle_light_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/

替换 libpaddle_full_api_shared.so (仅在 full_publish 编译方式下)
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libpaddle_full_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/

For A311D(Android 版) &S905D3(Android 版)

tiny_publish 编译方式

$ ./lite/tools/build_android.sh --arch=armv7 --toolchain=clang --android_stl=c++_shared --with_extra=ON --with_exception=ON --with_cv=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_android_9_armeabi_v7a_6_4_4_3_generic.tgz

full_publish 编译方式

$ ./lite/tools/build_android.sh --arch=armv7 --toolchain=clang --android_stl=c++_shared --with_extra=ON --with_exception=ON --with_cv=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_android_9_armeabi_v7a_6_4_4_3_generic.tgz full_publish

替换头文件和库

替换 include 目录
$ cp -rf build.lite.android.armv7.clang/inference_lite_lib.android.armv7.nnadapter/cxx/include/ PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/include/

替换 NNAdapter 运行时库
$ cp -rf build.lite.android.armv7.clang/inference_lite_lib.android.armv7.nnadapter/cxx/lib/libnnadapter.so PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/verisilicon_timvx/

替换 NNAdapter device HAL 库
$ cp -rf build.lite.android.armv7.clang/inference_lite_lib.android.armv7.nnadapter/cxx/lib/libverisilicon_timvx.so PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/verisilicon_timvx/

替换 芯原 TIM-VX 库
$ cp -rf build.lite.android.armv7.clang/inference_lite_lib.android.armv7.nnadapter/cxx/lib/libtim-vx.so PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/verisilicon_timvx/

替换 libpaddle_light_api_shared.so
$ cp -rf build.lite.android.armv7.clang/inference_lite_lib.android.armv7.nnadapter/cxx/lib/libpaddle_light_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/

替换 libpaddle_full_api_shared.so(仅在 full_publish 编译方式下)
$ cp -rf build.lite.android.armv7.clang/inference_lite_lib.android.armv7.nnadapter/cxx/lib/libpaddle_full_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/android/armeabi-v7a/lib/

For RV1109 & RV1126

tiny_publish 编译方式

$ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_cv=ON --with_exception=ON --arch=armv7hf  --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_linux_arm32_6_4_6_5_generic.tgz

full_publish 编译方式

$ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_cv=ON --with_exception=ON --arch=armv7hf  --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_linux_arm32_6_4_6_5_generic.tgz full_publish

替换头文件和库

替换 include 目录
$ cp -rf build.lite.linux.armv7hf.gcc/inference_lite_lib.armlinux.armv7hf.nnadapter/cxx/include/ PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/include/

替换 NNAdapter 运行时库
$ cp -rf build.lite.linux.armv7hf.gcc/inference_lite_lib.armlinux.armv7hf.nnadapter/cxx/lib/libnnadapter.so PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/

替换 NNAdapter device HAL 库
$ cp -rf build.lite.linux.armv7hf.gcc/inference_lite_lib.armlinux.armv7hf.nnadapter/cxx/lib/libverisilicon_timvx.so PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/

替换 芯原 TIM-VX 库
$ cp -rf build.lite.linux.armv7hf.gcc/inference_lite_lib.armlinux.armv7hf.nnadapter/cxx/lib/libtim-vx.so PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/verisilicon_timvx/

替换 libpaddle_light_api_shared.so
$ cp -rf build.lite.linux.armv7hf.gcc/inference_lite_lib.armlinux.armv7hf.nnadapter/cxx/lib/libpaddle_light_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/

替换 libpaddle_full_api_shared.so (仅在 full_publish 编译方式下)
$ cp -rf build.lite.linux.armv7hf.gcc/inference_lite_lib.armlinux.armv7hf.nnadapter/cxx/lib/libpaddle_full_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/armhf/lib/

For RK1808

tiny_publish 编译方式

$ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_linux_arm64_6_4_6_5_generic.tgz

full_publish 编译方式

$ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_linux_arm64_6_4_6_5_generic.tgz full_publish

替换头文件和库

替换 include 目录
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/include/ PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/include/

替换 NNAdapter 运行时库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libnnadapter.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 NNAdapter device HAL 库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libverisilicon_timvx.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 芯原 TIM-VX 库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libtim-vx.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 libpaddle_light_api_shared.so
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libpaddle_light_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/

替换 libpaddle_full_api_shared.so (仅在 full_publish 编译方式下)
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libpaddle_full_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/

For NXP imx8m plus

tiny_publish 编译方式

$ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_linux_arm64_6_4_3_p1_generic.tgz

full_publish 编译方式

$ ./lite/tools/build_linux.sh --with_extra=ON --with_log=ON --with_nnadapter=ON --nnadapter_with_verisilicon_timvx=ON --nnadapter_verisilicon_timvx_viv_sdk_url=http://paddlelite-demo.bj.bcebos.com/devices/verisilicon/sdk/viv_sdk_linux_arm64_6_4_3_p1_generic.tgz full_publish

替换头文件和库

替换 include 目录
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/include/ PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/include/

替换 NNAdapter 运行时库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libnnadapter.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 NNAdapter device HAL 库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libverisilicon_timvx.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 芯原 TIM-VX 库
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libtim-vx.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/verisilicon_timvx/

替换 libpaddle_light_api_shared.so
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libpaddle_light_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/

替换 libpaddle_full_api_shared.so (仅在 full_publish 编译方式下)
$ cp -rf build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8.nnadapter/cxx/lib/libpaddle_full_api_shared.so PaddleLite-generic-demo/libs/PaddleLite/linux/arm64/lib/

替换头文件后需要重新编译示例程序

其它说明¶

Paddle Lite 研发团队正在持续扩展基于TIM-VX的算子和模型。