hi3516dv500、hi3519dv500移植yolov7,yolov8 （6）

基于NPU+AI ISP多媒体SoC开发的4K@60网络摄像机夜间超感光效果测试

SD3043处理器核心具有四核ARM Cortex-A55@ 1.2GHz，32KB I-Cache，32KB D-Cache，512KB L2 Cache,支持NEON 加速,集成FPU 处理单元。SD3043主板提供1路sensor输入、2路USB2.0、1路USB3.0、1路10M/100M网络、RS232、RS485、GPIO、RTC、PCIE等外围接口。SD3043是针对高清/超高清（1080p/4M/5M/4K）IPC产品应用开发的专业SoC芯片。

智能加速4Tops INT8 NN加速引擎，双核Vision Q6的DSP处理；支持4K60的H.265/H.264编码，支持10路1080p30的H.265/H.264解码；支持4路4Mp30机内实时硬化拼接，支持2路4K p30机内实时硬化拼接；高速接口支持USB3.0和PCIe2.0高速接口。

海思Hi3519 DV500 部署yolov5并加速优化

hi3516dv500,hi3519dv500移植yolov7与yolov8

hi3516dv500,hi3519dv500移植yolov7与yolov8

hi3516dv500,hi3519dv500移植yolov7与yolov8

如果想要在电脑做GPU推理或者在Nvidia板卡里运行，建议是加上EfficientNMS，Nvidia本身支持这个层转TensorRT，包括在训练环境里做onnx模型的推理，其实也最好是加上。这里转换完之后都是默认带EfficientNMS层，用Netron看大概率会是两种可能情况，一种是不带EfficientNMS，一种是不带NMS，像下面这种。这里NMS和Filter有IOU阈值，筛选的，这个部分不用在源码里修改，后面可以在海思代码里直接更改。原始模型导出的方式也给了一个源码，在export.py。

SD3403开发板有两片4GB的DDR，总共内存为8GB，计划IPCM分配2MB，DSP分配62MB，MCU分配192MB，OS(linux)分配4096MB，剩余的内存分配给MMZ。 1. 编译SDK，生成烧写文件 在SS928V100_SDK_V2.0.2.0/osdrv目录下执行：make all 在SS928V100_SDK_V2.0.2.0/osdrv/pub/ss928v100_image_glibc目录下生成烧写文件： 其中boot_image.bin、uImage_ss928v1

异构计算架构CANN（Compute Architecture for Neural Networks）是华为针对AI场景推出的异构计算架构，向上支持多种AI框架，包括MindSpore、PyTorch、TensorFlow等，向下服务AI处理器与编程，发挥承上启下的关键作用，是提升昇腾AI处理器计算效率的关键平台。下面说，CANN，这个是对应到各个芯片硬件的深度学习支持的集合，芯片不一样支持的内容也不尽相同，版本必须要和芯片匹配，不同于MindStudio。配置好环境的虚拟机，需要获取的朋友可联系。

SD3403V100/SS928是一款由海思（HiSilicon）推出的高性能超高清智能网络摄像机SoC芯片，主要面向监控市场，具有强大的图像处理能力和计算能力。

继续讲onnx模型转换om模型的步骤。这一篇主要就是来讲如何正确的导出Om模型。这个导出方式和以前Ruyistudio导出模型方式特别类似。只是不在windows平台里，在linux里。 相关Python安装和库安装之前已经讲过了，这里就不重复了。

背景： 目前由于开新项目，需要调试海思SS928V100平台；也是从开发板阶段开始进行调试调试PC： win11系统ubuntu: wsl ubuntu (win11系统默认支持的虚拟机)后来还是换成vmware安装虚拟机（因为wsl虚拟机确实不好用）

视频编解码均支持行业领先的H.264、H.265标准，解码最大可支持10路1080p@30fps，编码最大可支持4K@70fps，SoC具备PCIE的桥接功能，可以通过2颗芯片桥接支持4路4k的接入。编解码整体性能优异且稳定，降低网络波动带来的影响，带AI ISP优化视频画质，输出超高清且细腻画质的同时保持画面高度流畅性。......

在配置好虚拟机环境后，解压SVP_NNN_PC_V3.0.2.1.tgz找到MindStudio文件夹，进入bin目录，终端输入./MindStudio.sh即可进入海思提供的模型转换工具，模型转换工具支持onnx转om模型文件。0.00390625为归一化参数，然后点击Next将Bacth num改为1，点击Finish，等待一段时间即可完成模型转换，生成的om文件可以直接在板端运行。

3.修改etc/exports文件 ，添加最后一句话。2. 在虚拟机上新建文件夹，并开通访问权限。6.在虚拟机输入如下指令，进入板端环境。查看服务器端 NFS 共享情况。成功后即可进行文件传输。