Posted Updated 

从零开始编译OpenCV NPU教程

从零开始编译OpenCV NPU教程

本文介绍如何从零开始，成功编译OpenCV NPU项目。

本示例使用的机器为华为云昇腾310虚拟机。

1
2
3
实例类型：AI加速型Ai1s
操作系统：Ubuntu 18.04
IDE：VSCode

1. 环境准备

1.1 安装驱动及依赖

按照昇腾虚拟机固件与驱动安装指引__卸载旧版驱动__和__安装Ascend 310驱动__（此处仅摘抄了需要执行的命令），此时先不要安装CANN，待准备好依赖的python环境后再安装。

1
2
3
4
5
6
7
8
9
10
11
12
cd /usr/local/Ascend
# 按照opp、ascend-tookit、driver的顺序，依次进入相关目录的script目录中，执行uninstall.sh文件
# 卸载完成后，重启VM
# 安装driver
./A300-3010-npu-driver_21.0.4_linux-x86_64.run --full
# 检查安装结果，显示两块OK的ascend 310卡
npu-smi info
# 如果是非root用户，需要添加用户组
# gid: 组id; HwHiAiUser: 组名; uid: 用户id(可通过 id usrName查询); usrName:用户名
usermod -a -G HwHiAiUser/gid usrName/uid
# 安装依赖
apt-get install -y gcc g++ make cmake zlib1g zlib1g-dev openssl libsqlite3-dev libssl-dev libffi-dev unzip pciutils ne

1.2 Anaconda安装及配置

从Anaconda官网下载x86_64对应的Anaconda，使用bash命令安装：

1
2
3
bash Anaconda3-2023.07-2-Linux-x86_64.sh
# 输入一次安装目录 /home/用户目录/anaconda3后，一直enter+yes
# conda安装完毕后，重启终端，conda命令生效

由于国内下载conda资源过慢，建议配置清华源anaconda镜像提高下载速度。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 修改用户目录下的.condarc文件
vim ~/.condarc
# 修改.condarc内容为如下：
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
# 至此完成清华源anaconda镜像配置。

1.3 python虚拟环境安装

新建python版本为3.X的conda虚拟环境___【CANN目前只支持python3.7/3.8/3.9版本】___

1
2
3
4
5
6
7
8
9
10
11
12
13
# 新建虚拟环境
conda create -n YOUR_ENV_NAME python=3.9
# 激活环境，在新环境中安装其他依赖
conda activate YOUR_ENV_NAME
# 升级pip
pip3 install --upgrade pip
# 安装pip依赖
pip3 install attrs numpy decorator sympy cffi pyyaml pathlib2 psutil protobuf scipy requests
# 修改用户目录的.bashrc文件，使得虚拟环境自动激活
vim ~/.bashrc
# 将“ conda activate YOUR_ENV_NAME ”添加至.bashrc文件末尾
# 退出vim并激活.bashrc使其生效
source ~/.bashrc

1.4 CANN安装

注意 开发套件安装，从 CANN 社区版下载-昇腾社区下载__6.3.RC2.alpha003__对应的CANN。

1
2
3
4
5
6
7
8
9
# 安装cann toolkit
./Ascend-cann-toolkit_6.3.RC2.alpha003_linux-x86_64.run --install
# 添加环境变量
# 编辑用户目录下的.bashrc文件
vim ~/.bashrc
# 将以下内容添加至.bashrc文件末尾
source ~/Ascend/ascend-toolkit/set_env.sh
# 退出vim并激活.bashrc使其生效
source ~/.bashrc

安装好驱动之后，将系统用户添加到组里，保证在usrName用户下可以正常使用驱动。

1
usermod -a -G HwHiAiUser/gid usrName/uid

2. OpenCV下载及编译

2.1 OpenCV项目下载

OpenCV为保证官方发行版的稳定性，使用另外的仓opencv_contrib接收贡献的功能，因此opencv和opencv_contrib均需下载。

1
2
3
4
5
6
# 克隆opencv项目到本地
git clone https://github.com/opencv/opencv.git
# 进入opencv路径
cd opencv
# 克隆opencv_contrib项目到opencv路径下
git clone https://github.com/opencv/opencv_contrib.git

2.2 项目配置

在opencv项目路径下新建.vscode文件夹，新建调试配置文件launch.json，写入以下内容（注释为解析，不需要写入）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
{
    "version": "0.2.0",
    "configurations": [
        {
        	
            "name": "ascend",
            "type": "cppdbg",
            "request": "launch", // 启动程序or连接到已在运行的实例。launch：启动；attach：附加
            "cwd": "${workspaceFolder}", // 调试器启动的应用程序的工作目录
            "program": "~/anaconda3/envs/py39/bin/python", // 需要调试的程序，此处为conda虚拟环境的python
            "args": [
                "~/workspace/opencv/test.py", // 调试时传递给程序的参数
            ],
            "MIMode": "gdb", // 调试器类型 gdb/lldb；此处为gdb
            "targetArchitecture": "x86_64",
            "stopAtEntry": false, // 调试时是否停在程序入口
            "externalConsole": false, // true：输出到外部终端；false：只输出到软件终端
            "setupCommands": [	 // 设置GDB或LLDB所需执行的命令
                {
                    "description": "Enable pretty-printing for gdb",
                    "text": "-enable-pretty-printing",
                    "ignoreFailures": true
                }
            ]
        }
    ]
}

同样地，.vscode文件夹下新建配置文件setting.json，写入cmake配置项和文件关联配置项如下（注释为解析，不需要写入）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
{
    "cmake.configureArgs": [
        "-DCMAKE_INSTALL_PREFIX=~/workspace/opencv/build/install", // 配置安装目录
        "-DWITH_DEBUG=0", // 是否以debug方式编译项目
        "-DBUILD_WITH_DEBUG_INFO=0",	 // 编译是否输出debug info
        "-DOPENCV_EXTRA_MODULES_PATH=~/workspace/opencv/opencv_contrib/modules", // OpenCV其他模块的路径，将opencv_contrib modules的路径配置进来
        "-DWITH_CUDA=0", // 是否有CUDA
        "-DWITH_CANN=1", // 是否有CANN
        "-DPYTHON3_EXECUTABLE=~/anaconda3/envs/$YOUR_ENV_NAME$/bin/python", // python可执行文件的路径
        "-DPYTHON_LIBRARY=~/anaconda3/envs/$YOUR_ENV_NAME$", // python库路径
        "-DPYTHON_INCLUDE_DIR=~/anaconda3/envs/$YOUR_ENV_NAME$/include/python3.9",	// python包含路径
        /* 此部分为与opencv npu开发无关的库，关闭其编译以加快编译速度 */
        "-DBUILD_opencv_wechat_qrcode=OFF",
        "-DBUILD_opencv_xfeatures2d=OFF",
        "-DBUILD_opencv_face=OFF",
        "-DBUILD_opencv_dnn=OFF",
        "-DBUILD_opencv_features2d=OFF",
        "-DBUILD_opencv_bioinspired=OFF",
        "-DBUILD_opencv_flann=OFF",
        "-DBUILD_opencv_hdf=OFF",
        "-DBUILD_opencv_hfs=OFF",
        "-DBUILD_opencv_fuzzy=OFF",
        "-DBUILD_opencv_intensity_transform=OFF",
        "-DBUILD_opencv_line_descriptor=OFF",
        "-DBUILD_opencv_ml=OFF",
        "-DBUILD_opencv_phase_unwrapping=OFF",
        "-DBUILD_opencv_photo=OFF",
        "-DBUILD_opencv_quality=OFF",
        "-DBUILD_opencv_tracking=OFF",
        "-DWITH_CAROTENE=OFF",
        "-DWITH_IPP=OFF",
        /* ************************************************* */
        "-DBUILD_DOCS=ON", // 是否构建文档
    ],
}

2.3 项目编译

通过vscode安装C/C++、CMake、CMake Tools、Python拓展，由于项目配置项较多，通过2.2 项目配置+CMake Tools对项目进行编译。

利用CMake Tool进行编译示例界面。configure根据2.2 项目配置中指定的编译选项进行配置。build则实现项目编译。

cmake-configure

完成cmake configure之后，请检查是否包含CANN（下图黄色高亮），python是否指向YOUR_ENV_NAME虚拟环境（下图绿色高亮），如果这些答案均为“是”，则关键配置正确。

makedone

build成功的标志则为[build] Build finished with exit code 0。

项目编译完成后，在build目录下会出现python_loader文件夹，在终端中执行python_loader路径下的setup.py，即可将opencv安装到python虚拟环境中，从而实现python调用opencv。

1
2
3
4
5
6
7
8
9
10
# 进入python_loader目录（当前目录为opencv）
cd ./build/python_loader
# 安装opencv到python（注意当前python环境应为YOUR_ENV_NAME虚拟环境）
python setup.py develop
# 验证python中opencv是否安装好
python
>>>import cv2
>>>
# 如上即为安装成功，可以愉快的开启开发了
# 如果提示找不到cv2则安装失败:( 检查一下编译是否有问题吧
#

Comments

Follow

Links

×