四、MindStudio 3.0.4的安装与配置

以下操作，如非特别说明，都是在开发环境——ubuntu x86的虚拟机上操作。

在安装MindStudio 3.0.4之前，可以看一下昇腾论坛置顶的安装视频：https://bbs.huaweicloud.com/forum/thread-183030-1-1.html

1、下载MindStudio安装包

下载MindStudio 3.0.4安装包：

wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/MindStudio/MindStudio%203.0.4/MindStudio_3.0.4_linux.tar.gz

2、安装必要的系统依赖包

（1）cmake 3.5.2

cmake 3.5.2 是MindStudio进行C++工程进行编译的cmake的最小版本：

获取源码包：

wget https://cmake.org/files/v3.5/cmake-3.5.2.tar.gz --no-check-certificate 

解压：

tar -zxvf cmake-3.5.2.tar.gz

cd cmake-3.5.2
./bootstrap --prefix=/usr

make -j8

sudo make install -j8

cmake -version

（2）gcc 7.3.0

wget https://mirrors.tuna.tsinghua.edu.cn/gnu/gcc/gcc-7.3.0/gcc-7.3.0.tar.gz

./configure --enable-languages=c,c++ --disable-multilib --with-system-zlib --prefix=/usr/local/gcc7.3.0

...

make -j8

...

sudo make install -j8

将gcc 7.3.0的PATH和LD_LIBRARY_PATH加入环境变量：

source ~/.bashrc使得环境变量生效

然后检查gcc，g++的版本：

（3）git

sudo apt-get install git

（4）Python 3.7.5源码安装

可参见 Ubuntu 18.04 Python 3.7.5 安装 https://bbs.huaweicloud.com/blogs/195227 （搜索 python的源码包） https://bbs.huaweicloud.com/blogs/198324 (Part Three) 

检查安装结果：

3、安装必要的PIP依赖包

python3 -m pip install numpy decorator sympy cffi pyyaml pathlib2 psutil protobuf scipy requests grpcio pylint absl-py --user -i https://pypi.tuna.tsinghua.edu.cn/simple

有些依赖有冲突，所以有些包没装起来，比如te 0.4.0需要attrs., schedule-search 0.0.1需要tensorflow>=1.10.0 ，但是张小白感觉应该问题不大。

4、下载samples代码仓

将samples代码仓下载到本地：

5、解压并启动MindStudio

解压

tar -zxvf MindStudio_3.0.4_linux.tar.gz

cd MindStudio/bin

执行 ./MindStudio.sh 启动MindStudio

在MobaXterm弹出的MindStudio窗口，选择Do not import settings

进入MindStudio主界面：

6、使用MindStudio打开venc样例工程

（1）配置CANN Toolkit

打开samples下的venc项目：

可参考 https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/0_data_process/venc

系统会弹出警告信息：没装CANN：

点击OK

弹出以上的窗口，点击install按钮：

选择CANN的目录：

选到$HOME/Ascend/ascend-toolkit/5.0.4alpha005 这层，点击OK。

点击Finish

点击OK，系统就进入了MindStudio的IDE开发界面：

第一次选择了CANN之后，以后打开别的工程，仅需确认这个CANN的版本即可，无需反复安装。

（2）配置Deployment

MindStudio的Deployment配置是在建立位于开发环境的MindStudio跟位于运行环境的200DK之间的联系。

打开MindStudio工具栏上的Tools，依次选择Deployment->Configuration..

会弹出以下菜单：

点击+，输入server名称：Atlas200DK

弹出以下菜单：

点击SSH configuration右边的...

点击+，在弹出的界面中输入 200DK 的IP地址 192.168.199.204，用户名HwHiAiUser,密码Mind@123，然后测试连接：

弹出的菜单中点击OK

系统显示连接成功：

点击连续几个OK后，返回Setting的Tools->Deployment界面：

点击apply和OK，关闭窗口。

这里需要注意的是，每打开一个新的工程，都要配置一个deployment。

（3）编译尝试

点击Build->Build Configurations:

咦，这里选不了aarch64，怎么回事？

打开 Ascend-》CANN Manager：

有个奇怪的现象，aarch环境的Host OS居然是Euler OS，而不是ubuntu。

经过咨询 @刘鹏程 老师，社区版的CANN用的是一样的交叉编译器。所以选择如下方式：

点击Build：

报src/CMakeLists.txt文件的第20行有问题。查了一下，指的是缺INSTALL_DIR这个环境变量。

仔细看了下这个CMakeLists文件，下面还有THIRDPART_PATH、CPU_ARCH好几个变量没有值。这是怎么回事呢？

张小白才想起，在做CANN训练营大作业的过程中，执行的 scripts/sample_build.sh 这个脚本，先是做了 target_kernel，再做了build的。

那么，我们在200DK的环境上执行target_kernel，看看这三个变量是什么值呢？

我们将这三个环境变量都放在Build Configuration的Enviroment Variabes里面：

OK

点击Save后再Build

报找不到acl.h

试图把 这三个环境变量写在  ~/.bashrc下，

source ~/.bashrc后打开MindStudio：

把Enviroment Variables清空：

再重新Build：

这回报了找不到 opencv的错。

opencv的安装比较复杂，所以在本章我们先暂时不解决这个问题。

7、使用MindStudio打开resnet50_imagenet_classification样例工程

我们打开一个不使用opencv的样例工程吧！

张小白记得CANN训练营新手班的作业——samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification 这个案例没用到 opencv，那就用这个练练手吧！

（1）下载CANN 5.0.4alpha005对应的sample代码仓

根据 https://gitee.com/ascend/samples 首页的提示：

在下载sample仓的时候，需要tag=v0.6.0

新建一个tag目录

mkdir tag

cd tag

git clone -b v0.6.0 https://gitee.com/ascend/samples.git

（2）编译尝试

照例打开 样例工程：

编译Build：

报-lascendcl不对，看日志，确实是使用了x86进行了交叉编译，这显然不对。应该用arm才对。

经过 @刘鹏程 老师的提示，设置以下环境变量：

NPU_HOST_LIB=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/arm64-linux/runtime/lib64/stub

这个可以设置在.bashrc中，也可以设置在 Build的Enviroment Variabes中：

设置完后，Build:

编译成功了。

（3）运行尝试

运行试试看：

先需要到Tools-Deployment设置 Mappings，也就是x86上的工程目录与Atlas 200DK上工程目录的映射关系：

点击加号，会出现默认值，点击确认即可：

点击OK。

点击Run菜单：

点击Edit Configurations：

选择远程执行 （Remote Run），以及可执行代码：out/main

点击apply，或者Run：

当然这个时候会报模型找不到的错。

因为张小白还没根据 readme的要求准备模型呢！

（4）模型转换

atc转换可以在MindStudio里面做，也可以在200DK的命令行做。我们为了方便，选择后一种方式。

登陆到200DK主机，下载resnet模型的caffe包：（请原谅目录写成了yolo），并进行atc模型转换，生成resnet50.om离线模型：

然后将下载的模型copy回x86工程的model目录：

（5）再次运行尝试

得到了跟在200DK执行同样的结果。撒花！

（未完待续）