Quick Start(AX615)

6. Quick Start(AX615)#

本章节适用于以下平台：

  • AX615

本章节介绍 ONNX 模型转换的基本操作, 使用 pulsar2 工具将 ONNX 模型编译成 axmodel 模型. 请先参考 《开发环境准备》 章节完成开发环境搭建. 本节示例模型为开源模型 MobileNetv2.

6.1. Pulsar2 工具链命令说明#

Pulsar2 工具链中的功能指令以 pulsar2 开头, 与用户强相关的命令为 pulsar2 build , pulsar2 run 以及 pulsar2 version.

  • pulsar2 build 用于将 onnx 模型转换为 axmodel 格式模型

  • pulsar2 run 用于模型转换后的仿真运行

  • pulsar2 version 可以用于查看当前工具链的版本信息, 通常在反馈问题时需要提供此信息

root@xxx:/data# pulsar2 --help
usage: pulsar2 [-h] {version,build,run} ...

positional arguments:
  {version,build,run}

optional arguments:
  -h, --help           show this help message and exit

6.2. 模型编译配置文件说明#

/data/config/ 路径下的 mobilenet_v2_build_config.json 展示:

{
  "model_type": "ONNX",
  "npu_mode": "NPU1",
  "quant": {
    "input_configs": [
      {
        "tensor_name": "input",
        "calibration_dataset": "./dataset/imagenet-32-images.tar",
        "calibration_size": 32,
        // 校验数据集归一化的各通道均值, 通道顺序与 tensor_format 一致
        "calibration_mean": [103.939, 116.779, 123.68],
        // 校验数据集归一化的各通道标准差
        "calibration_std": [58.0, 58.0, 58.0]
      }
    ],
    "calibration_method": "MinMax",
    "precision_analysis": false
  },
  "input_processors": [
    {
      "tensor_name": "input",
      "tensor_format": "BGR",
      // 运行时输入格式
      "src_format": "BGR",
      // 运行时数据类型
      "src_dtype": "U8",
      // 运行时数据布局格式
      "src_layout": "NHWC",
      // 颜色空间转换
      "csc_mode": "NoCSC"
    }
  ],
  "compiler": {
    "check": 0
  }
}

注意

input_processors, output_processors 及 quant 节点下 input_configs 中的 tensor_name 字段需要根据模型的实际输入/输出节点名称进行设置，也可以设置为 DEFAULT 代表当前配置应用于全部输入或者输出。

pipeline

更加详细的内容，请参考 《配置文件详细说明》.

6.3. 编译执行#

以 mobilenetv2-sim.onnx 为例, 执行如下 pulsar2 build 命令编译生成 compiled.axmodel:

pulsar2 build --target_hardware AX615 --input model/mobilenetv2-sim.onnx --output_dir output --config config/mobilenet_v2_build_config.json

警告

在编译模型前，需要确保已经对原始模型使用过 onnxsim 工具优化，主要目的是将模型转变成更利于 Pulsar2 编译的静态图及获得更好的推理性能。有以下两种方法：

  1. 在 Pulsar2 docker 内部直接执行命令：onnxsim in.onnx out.onnx。

  2. 使用 pulsar2 build 进行模型转换时，增加参数：--onnx_opt.enable_onnxsim true （默认值为 false）。

如果想要进一步了解 onnxsim ，可访问 官方网站 。

6.3.1. log 参考信息#

$ pulsar2 build --target_hardware AX615 --input model/mobilenetv2-sim.onnx --output_dir output --config config/mobilenet_v2_build_config.json
+-------------------+----------------------------+
|    Model Name     |         OnnxModel          |
+-------------------+----------------------------+
|    Model Info     | Op Set: 10 / IR Version: 6 |
+-------------------+----------------------------+
|     IN: input     | float32: (1, 3, 224, 224)  |
|    OUT: output    |     float32: (1, 1000)     |
+-------------------+----------------------------+
|        Add        |             10             |
|       Clip        |             35             |
|       Conv        |             52             |
|       Gemm        |             1              |
| GlobalAveragePool |             1              |
|      Reshape      |             1              |
+-------------------+----------------------------+
|    Model Size     |          13.32 MB          |
+-------------------+----------------------------+
2025-07-02 09:18:10.000 | WARNING  | yamain.command.build:fill_default:304 - apply default output processor configuration to ['output']
2025-07-02 09:18:10.000 | WARNING  | yamain.command.build:fill_default:384 - ignore input csc config because of src_format is AutoColorSpace or src_format and tensor_format are the same
2025-07-02 09:18:10.001 | INFO     | yamain.common.util:extract_archive:140 - extract [dataset/imagenet-32-images.tar] to [output/quant/dataset/input]...
Building onnx ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% 0:00:00
2025-07-02 09:18:10.722 | INFO     | yamain.command.build:quant:808 - save optimized onnx to [output/frontend/optimized.onnx]
                                                                            Quant Config Table
┏━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━┓
┃ Input ┃ Shape            ┃ Dataset Directory          ┃ Data Format ┃ Tensor Format ┃ Mean                                                        ┃ Std                ┃
┡━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━┩
│ input │ [1, 3, 224, 224] │ output/quant/dataset/input │ Image       │ BGR           │ [103.93900299072266, 116.77899932861328,                    │ [58.0, 58.0, 58.0] │
│       │                  │                            │             │               │ 123.68000030517578]                                         │                    │
└───────┴──────────────────┴────────────────────────────┴─────────────┴───────────────┴─────────────────────────────────────────────────────────────┴────────────────────┘
Quantization calibration will be executed on cpu
Transformer optimize level: 0
Statistics Inf tensor: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:00<00:00, 10.52it/s]
[09:18:11] AX Set Float Op Table Pass Running ...
[09:18:11] AX Set MixPrecision Pass Running ...
[09:18:11] AX Set LN Quant dtype Quant Pass Running ...
[09:18:11] AX Reset Mul Config Pass Running ...
[09:18:11] AX Refine Operation Config Pass Running ...
[09:18:11] AX Tanh Operation Format Pass Running ...
[09:18:11] AX Confused Op Refine Pass Running ...
[09:18:12] AX Quantization Fusion Pass Running ...
[09:18:12] AX Quantization Simplify Pass Running ...
[09:18:12] AX Parameter Quantization Pass Running ...
[09:18:12] AX Runtime Calibration Pass Running ...
Calibration Progress(Phase 1): 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████| 32/32 [00:03<00:00,  9.86it/s]
[09:18:15] AX Quantization Alignment Pass Running ...
[09:18:15] AX Refine Int Parameter Pass Running ...
[09:18:15] AX Refine Scale Pass Running ...
[09:18:15] AX Passive Parameter Quantization Running ...
[09:18:15] AX Parameter Baking Pass Running ...
--------- Network Snapshot ---------
Num of Op:                    [100]
Num of Quantized Op:          [100]
Num of Variable:              [278]
Num of Quantized Var:         [278]
------- Quantization Snapshot ------
Num of Quant Config:          [387]
BAKED:                        [53]
OVERLAPPED:                   [145]
ACTIVATED:                    [65]
SOI:                          [1]
PASSIVE_BAKED:                [53]
FP32:                         [70]
Network Quantization Finished.
Do quant optimization
quant.axmodel export success:
  output/quant/quant_axmodel.onnx
  output/quant/quant_axmodel.data
===>export io data to folder: output/quant/debug/io
Building native ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% 0:00:00
2025-07-02 09:18:16.701 | INFO     | yamain.command.build:compile_ptq_model:1104 - group 0 compiler transformation
2025-07-02 09:18:16.703 | WARNING  | yamain.command.load_model:pre_process:615 - preprocess tensor [input]
2025-07-02 09:18:16.703 | INFO     | yamain.command.load_model:pre_process:617 - tensor: input, (1, 224, 224, 3), U8
2025-07-02 09:18:16.703 | INFO     | yamain.command.load_model:pre_process:618 - op: op:pre_dequant_1, AxDequantizeLinear, {'const_inputs': {'x_zeropoint': array(0, dtype=int32), 'x_scale': array(1., dtype=float32)}, 'output_dtype': <class 'numpy.float32'>, 'quant_method': 0}
2025-07-02 09:18:16.703 | INFO     | yamain.command.load_model:pre_process:617 - tensor: tensor:pre_norm_1, (1, 224, 224, 3), FP32
2025-07-02 09:18:16.703 | INFO     | yamain.command.load_model:pre_process:618 - op: op:pre_norm_1, AxNormalize, {'dim': 3, 'mean': [103.93900299072266, 116.77899932861328, 123.68000030517578], 'std': [58.0, 58.0, 58.0], 'output_dtype': FP32}
2025-07-02 09:18:16.703 | INFO     | yamain.command.load_model:pre_process:617 - tensor: tensor:pre_transpose_1, (1, 224, 224, 3), FP32
2025-07-02 09:18:16.703 | INFO     | yamain.command.load_model:pre_process:618 - op: op:pre_transpose_1, AxTranspose, {'perm': [0, 3, 1, 2]}
2025-07-02 09:18:16.703 | WARNING  | yamain.command.load_model:post_process:626 - postprocess tensor [output]
2025-07-02 09:18:16.704 | INFO     | yamain.command.load_model:ir_compiler_transformation:821 - use random data as gt input: input, uint8, (1, 224, 224, 3)
2025-07-02 09:18:16.770 | INFO     | yamain.command.build:compile_ptq_model:1125 - group 0 QuantAxModel macs: 300,774,272
2025-07-02 09:18:16.774 | INFO     | yamain.command.build:compile_ptq_model:1257 - subgraph [0], group: 0, type: GraphType.NPU
2025-07-02 09:18:16.775 | INFO     | yamain.compiler.npu_backend_compiler:compile:185 - compile npu subgraph [0]
2025-07-02 09:18:16.811 | WARNING  | yasched.graph_proc.graph_group:run:223 - group tile fail for op_8cdb8217:AxQuantizedConv
tiling op...   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 52/52 0:00:00
new_ddr_tensor = []
build op serially...   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 361/361 0:00:01
build op...   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 492/492 0:00:00
add ddr swap...   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1278/1278 0:00:00
calc input dependencies...   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1864/1864 0:00:00
calc output dependencies...   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1864/1864 0:00:00
assign eu heuristic   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1864/1864 0:00:00
assign eu onepass   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1864/1864 0:00:00
assign eu greedy   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1864/1864 0:00:00
2025-07-02 09:18:19.510 | INFO     | yasched.test_onepass:results2model:2725 - clear job deps
2025-07-02 09:18:19.510 | INFO     | yasched.test_onepass:results2model:2726 - max_cycle = 3,275,853
build jobs   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1864/1864 0:00:00
2025-07-02 09:18:19.878 | INFO     | yamain.compiler.npu_backend_compiler:compile:246 - assemble model [0] [subgraph_npu_0] b1
2025-07-02 09:18:22.662 | INFO     | yamain.command.build:compile_ptq_model:1299 - fuse 1 subgraph(s)

备注

该示例所运行的主机配置为:

  • Intel(R) Xeon(R) Gold 6336Y CPU @ 2.40GHz

  • Memory 32G

全流程耗时大约 11s , 不同配置的主机转换时间略有差异.

6.3.2. 模型编译输出文件说明#

root@xxx:/data# tree output/
output/
├── build_context.json
├── compiled.axmodel            # 最终板上运行模型，AxModel
├── compiler                    # 编译器后端中间结果及 debug 信息
├── frontend                    # 前端图优化中间结果及 debug 信息
│   ├── optimized.data          # 前端优化后模型输入数据
│   └── optimized.onnx          # 输入模型经过图优化以后的浮点 ONNX 模型
└── quant                       # 量化工具输出及 debug 信息目录
    ├── dataset                 # 解压后的校准集数据目录
    │   └── input
    │       ├── ILSVRC2012_val_00000001.JPEG
    │       ├── ......
    │       └── ILSVRC2012_val_00000032.JPEG
    ├── debug                   # debug 数据信息
    │   └── io
    │       ├── float           # 浮点io数据
    │       │   ├── input.npy
    │       │   └── output.npy
    │       └── quant           # 量化io数据
    │           ├── input.npy
    │           └── output.npy
    ├── quant_axmodel.data      # 量化模型数据
    ├── quant_axmodel.json      # 量化配置信息
    └── quant_axmodel.onnx      # 量化后的模型，QuantAxModel

其中 compiled.axmodel 为最终编译生成的板上可运行的 .axmodel 模型文件

备注

因为 .axmodel 基于 ONNX 模型存储格式开发，所以将 .axmodel 文件后缀修改为 .axmodel.onnx 后可支持被网络模型图形化工具 Netron 直接打开。

pipeline

6.3.2.1. 模型信息查询#

可以通过 onnx inspect --io ${axmodel/onnx_path} 来查看编译后 axmodel 模型的输入输出信息，还有其他 -m -n -t 参数可以查看模型里的 meta / node / tensor 信息。

root@xxx:/data# onnx inspect -m -n -t output/compiled.axmodel
Failed to check model output/compiled.axmodel, statistic could be inaccurate!
Meta information
--------------------------------------------------------------------------------
  IR Version: 10
  Opset Import: [domain: ""
version: 18
]
  Producer name: Pulsar2
  Producer version:
  Domain:
  Doc string: Pulsar2 Version:  4.0-dirty
Pulsar2 Commit: 156de6f7-dirty
  meta.{} = {} extra_data CgsKBWlucHV0EAEYAgoICgZvdXRwdXQSATEaQQoOc3ViZ3JhcGhfbnB1XzBSLwoVc3ViZ3JhcGhfbnB1XzBfYjFfbmV1EAEaFAoGcGFyYW1zGgpucHVfcGFyYW1zIgAoBg==
Node information
--------------------------------------------------------------------------------
  Node type "neu mode" has: 1
--------------------------------------------------------------------------------
  Node "subgraph_npu_0": type "neu mode", inputs "['input']", outputs "['output']"
Tensor information
--------------------------------------------------------------------------------
  ValueInfo "npu_params": type UINT8, shape [5641912],
  ValueInfo "npu_dyn_params": type UINT8, shape [0],
  ValueInfo "input": type UINT8, shape [1, 224, 224, 3],
  ValueInfo "subgraph_npu_0_b1_neu": type UINT8, shape [111904],
  ValueInfo "output": type FLOAT, shape [1, 1000],
  Initializer "npu_params": type UINT8, shape [5641912],
  Initializer "npu_dyn_params": type UINT8, shape [0],
  Initializer "subgraph_npu_0_b1_neu": type UINT8, shape [111904],

6.4. 仿真运行#

本章节介绍 axmodel 仿真运行的基本操作, 使用 pulsar2 run 命令可以直接在 PC 上直接运行由 pulsar2 build 生成的 axmodel 模型，无需上板运行即可快速得到网络模型的运行结果。

6.4.1. 仿真运行准备#

某些模型只能支持特定的输入数据格式，模型的输出数据也是以模组特定的格式输出的。在模型仿真运行前，需要把输入数据转换成模型支持的数据格式，这部分数据操作称为 前处理 。在模型仿真运行后，需要把输出数据转换成工具可以分析查看的数据格式，这部分数据操作称为 后处理 。仿真运行时需要的 前处理 和 后处理 工具已包含在 pulsar2-run-helper 文件夹中。

pulsar2-run-helper 文件夹内容如下所示：

root@xxx:/data# ll pulsar2-run-helper/
drwxr-xr-x 2 root root 4.0K Dec  2 12:23 models/
drwxr-xr-x 5 root root 4.0K Dec  2 12:23 pulsar2_run_helper/
drwxr-xr-x 2 root root 4.0K Dec  2 12:23 sim_images/
drwxr-xr-x 2 root root 4.0K Dec  2 12:23 sim_inputs/
drwxr-xr-x 2 root root 4.0K Dec  2 12:23 sim_outputs/
-rw-r--r-- 1 root root 3.0K Dec  2 12:23 cli_classification.py
-rw-r--r-- 1 root root 4.6K Dec  2 12:23 cli_detection.py
-rw-r--r-- 1 root root    2 Dec  2 12:23 list.txt
-rw-r--r-- 1 root root   29 Dec  2 12:23 requirements.txt
-rw-r--r-- 1 root root  308 Dec  2 12:23 setup.cfg

6.4.2. 仿真运行 示例 mobilenetv2#

将 《编译执行》 章节生成的 compiled.axmodel 拷贝 pulsar2-run-helper/models 路径下，并更名为 mobilenetv2.axmodel

root@xxx:/data# cp output/compiled.axmodel pulsar2-run-helper/models/mobilenetv2.axmodel

6.4.2.1. 输入数据准备#

进入 pulsar2-run-helper 目录，使用 cli_classification.py 脚本将 cat.jpg 处理成 mobilenetv2.axmodel 所需要的输入数据格式。

root@xxx:~/data# cd pulsar2-run-helper
root@xxx:~/data/pulsar2-run-helper# python3 cli_classification.py --pre_processing --image_path sim_images/cat.jpg --axmodel_path models/mobilenetv2.axmodel --intermediate_path sim_inputs/0
[I] Write [input] to 'sim_inputs/0/input.bin' successfully.

6.4.2.2. 仿真模型推理#

运行 pulsar2 run 命令，将 input.bin 作为 mobilenetv2.axmodel 的输入数据并执行推理计算，输出 output.bin 推理结果。

root@xxx:~/data/pulsar2-run-helper# pulsar2 run --model models/mobilenetv2.axmodel --input_dir sim_inputs --output_dir sim_outputs --list list.txt
Building native ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% 0:00:00
2025-07-02 10:24:59.006 | INFO     | yamain.command.run:run:92 - >>> [0] start
2025-07-02 10:24:59.007 | INFO     | frontend.npu_subgraph_op:pyrun:89 - running npu subgraph: subgraph_npu_0, version: 1, target batch: 0
2025-07-02 10:25:08.816 | INFO     | yamain.command.run:write_output:55 - write [output] to [sim_outputs/0/output.bin] successfully, size: 4000

6.4.2.3. 输出数据处理#

使用 cli_classification.py 脚本对仿真模型推理输出的 output.bin 数据进行后处理，得到最终计算结果。

root@xxx:/data/pulsar2-run-helper# python3 cli_classification.py --post_processing --axmodel_path models/mobilenetv2.axmodel --intermediate_path sim_outputs/0
[I] The following are the predicted score index pair.
[I] 8.8490, 283
[I] 8.7169, 285
[I] 8.4528, 282
[I] 8.4528, 281
[I] 7.6603, 463
目录