安装软件

安装软件#

获取软件#

访问 BIDL开源页面 获取源码工程。

将https://github.com/LynxiTech/BIDL 仓库克隆到本地目录，例如：

git clone LynxiTech/BIDL.git

请注意，该安装包仅包含项目源代码；关于代码文件夹的详细信息，请参阅 “目录说明”。

资源包

资源包包含一些压缩文件，可从百度网盘下载（见Readme），下载后，请将它们解压到与百度网盘内相同的目录下。

该资源包包含适用于 BIDL 的数据集、预训练权重（可在 GPU/CPU 上运行）以及编译后的模型文件（可在灵汐芯片上运行），具体包括：

  • data：数据集；

  • model_files：模型文件；

  • weight_files：权重文件。

环境配置#

备注

如果使用pip安装速度过慢，或网络连接超时等，可以在pip命令中指定清华源。

-i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

部署训练环境#

本框架所依赖的GPU训练环境主要是Pytorch，需要先安装Pytorch。

安装GPU版的Pytorch安装命令如下：

pip install torch torchvision torchaudio

部署编译环境#

由于编译模型使用的Lyngor只支持CPU版的Pytorch，所以需要重新配置CPU版的Pytorch环境。另外，编译部署也需要Lyngor和SDK软件，以及APU硬件的支持。

执行以下命令，安装Pytorch官网提供的最新稳定版Pytorch。

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu

验证#

GPU环境验证#

执行 pip list 命令，查看已安装的包是否完全包含 requirements.txt 中的指定的包。

在Python环境中导入相应的包验证是否安装正确。

>>> torch.__version__
'2.4.0+cu121'

CPU环境验证#

执行 pip list 命令，查看已安装的包是否完全包含 requirements.txt 中的指定的包。

在Python环境中导入相应的包验证是否安装正确。

>>> torch.__version__
'2.4.0+cpu'

目录说明#

BIDL安装完成后，目录结构及说明参见下表。

表 BIDL目录结构

目录/文件

说明

applications

应用案例的存放目录，案例种类包含以下分类：

  • classification（分类）

  • dvsdetection（检测）

  • neuralsim（类脑神经元及SNN仿真）

  • onlinelearning（在线学习）

  • videotracking（视觉跟踪）

  • robotics（机器人）

  • functionalBII（功能级类脑智能）

其中functionalBII和onlinelearning仅在BIDL专业版本提供。

lynadapter

灵汐芯片接口文件存放目录

requirements

指定了工程所需的第三方软件包

tools

包含训练和推理脚本

tutorial

演示案例存放路径

utils

工具函数的存放路径

deploy

脱离框架的demo存放路径
目录