演示案例

系统设置

开机后建议关闭CPU自动调频，在root下执行以下命令：
$ su -
$ echo performance > /sys/devices/system/cpu/cpu0/cpufreq/scaling_governor

开启HailoRT的Monitor（可选）

  1. 执行以下命令，开启Hailo monitor，实时监控NPU设备的利用率，使用的模型以及输出的FPS等数据：
    $ hailortcli monitor
    图 1. 开启Hailo Monitor
  2. 另开一个shell（此shell必须为运行演示程序的shell），指定环境变量：
    $ export HAILO_MONITOR=1
    图 2. 指定环境变量
  3. 执行演示案例时，HailoRT检测到此shell进程的HAILO_MONITOR变量为1，则会实时输出NPU模块的相关监测数据：
    图 3. 监测数据

Tappas演示案例

昉·星光 2下可直接使用Tappas下的部分演示案例。
注： 由于Tappas下的演示案例使用的GStreamer videosink为xvimagesink以及ximagesink，而昉·星光 2的Debian使用的Wayland协议，这些演示均需修改其启动脚本，将其中的video_sink_element中的ximagesink修改为waylandsink：
图 4. 修改启动脚本
否则在运行时会产生以下报错：
图 5. 报错
  • Instance_segmentation：
    $ cd /home/user/tappas/apps/h8/gstreamer/vf2/instance_segmentation/
$ ./instance_segmentation.sh -i /dev/video4
    注： 命令中的/dev/video4指定使用USB Camera。
  • Detection：
    $ cd /home/user/tappas/apps/h8/gstreamer/vf2/detection/
$ ./detection.sh -i /dev/video4 --network yolov5
    注： 通过—network指定使用yolov5模型。
  • Cascading_networks：
    $ cd /home/user/tappas/apps/h8/gstreamer/vf2/cascading_networks/
    • object_detection_and_pose_estimation用例：
      $ ./object_detection_and_pose_estimation.sh -i /dev/video4
      注： 如出现以下报错，请检查是否缺少了TAPPAS_WORKSPACE环境变量。
      图 6. 报错

      解决方法：可设置环境变量为export TAPPAS_WORKSPACE=path_to_tappas/tappas/，其中的path_to_tappas为Tappas源码目录所在路径。

NpuDetectorLib演示案例

  1. 执行以下命令，下载并编译NpuDetectorLib：
    $ tar -xvf NpuDetectorLib.tar
$ cd NpuDetectorLib
$ cmake -H. -Bbuild -DSHOW_LABEL=ON -DBUILD_TESTER=ON
$ cmake --build build
  2. 下载所需的资源：
    $ wget -O models/yolov8s_nms.hef https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v2.13.0/hailo8l/yolov8s.hef
  3. 执行以下命令，进行目标识别演示：
    $ ./build/tests/TestExecutable -i /dev/video4 -m models/yolov8s_nms.json -a yolov8_nms