跳到主要内容

环境安装

本章节主要介绍D-Robotics 算法工具链完整开发环境部署方法。

RDK-X3​

交付物使用说明​

在进行算法工具链使用环境部署前，请下载D-Robotics 提供的 嵌入式应用开发Sample交付包 到Linux开发机环境中。

下载嵌入式应用开发Sample交付包：

  // 示例版本为 V2.6.6

  wget -c ftp://vrftp.horizon.ai/Open_Explorer_gcc_9.3.0/2.6.6/horizon_xj3_open_explorer_v2.6.6_py38_20240717.tar.gz

  // 更多模型转换示例，根据需要进行下载！
  //wget -c ftp://oeftp@sdk.d-robotics.cc/RDK/rdk-x3-ultra/horizon_model_convert_sample.tar.gz --ftp-password=Oeftp~123$%

示例包源码目录结构说明​

解压算法工具链SDK源码包：

  // 示例版本为 V2.6.6

  tar -xvf horizon_xj3_open_explorer_v2.6.6_py38_20240717.tar.gz

解压后的目录结构如下：

├──bsp
│  ├── tools
│  └── resolve.sh
└──ddk
   ├── package  # 目录下包含了发布物运行的一些基础库和组件
   │   ├── board
   │   │   ├── hrt_tools  # 包含 hrt_model_exec 和 hrt_bin_dump 的源码和可执行文件
   │   │   └── install.sh # 一键安装脚本，可以一键将hrt工具安装到指定的开发板
   │   └── host
   │       ├── ai_toolchain
   │       ├── host_package
   │       ├── hrt_tools
   │       ├── install.sh
   │       └── resolve.sh  # 用于下载交叉编译工具、torch等依赖
   └── samples
       ├── ai_benchmark  # 提供了常见的分类、检测和分割模型的评测示例，包括性能评测和精度评测两部分
       ├── ai_toolchain # 提供了一系列模型算法的相关示例
       │   ├── horizon_model_convert_sample
       │   ├── horizon_model_train_sample
       │   ├── horizon_runtime_sample
       │   └── model_zoo
       └── model_zoo -> ai_toolchain/model_zoo

开发机部署​

对于开发机的环境部署，D-Robotics 支持使用Docker部署方式。

开发机准备​

为了顺利地使用算法工具链，D-Robotics 建议您选择的开发机应满足以下要求：

硬件/操作系统要求
CPUCPU I3以上或者同级别E3/E5的处理器
内存16G或以上级别
GPU(可选)CUDA11.6、驱动版本Linux:>= 510.39.01*推荐驱动版本Linux:515.76）
适配显卡包括但不限于：
1)GeForce RTX 3090
2)GeForce RTX 2080 Ti
3)NVIDIA TITAN V
4)Tesla V100S-PCIE-32GB
5)A100
系统Ubuntu 20.04

更多关于CUDA与显卡的兼容性问题请参考NVIDIA官网信息 。

使用Docker环境​

为了帮助您快速使用算法工具链，D-Robotics 提供了包含完整开发环境的Docker镜像，大大简化了环境的部署过程。

在阅读此部分内容前，我们希望您的开发机中已经预装好了Docker的基础环境。 D-Robotics 要求的Docker基础环境信息如下：

完成Docker环境安装后，需要将无root权限的用户添加到Docker用户组中。参考如下命令：

  sudo groupadd docker
  sudo gpasswd -a ${USER} docker
  sudo service docker restart

获取本节需要使用的Docker镜像的地址如下：

镜像文件命名形式为：

  • GPU版本docker： openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:{version}
小技巧

执行命令时将 {version} 替换为您获取到的 最新版本的Docker镜像 ，例如： D-Robotics docker hub GPU Docker 中目前的最新版本为 openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:v1.0.0。

本地Docker镜像包版本，可以联系D-Robotics 技术支持团队获取。

开发机并不是必须含有GPU卡，一般使用CPU开发机加载Docker镜像即可做模型转换！

每个镜像文件在第一次使用前，需要拉取镜像。

  • 镜像拉取命令为：

      docker pull openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:v1.0.0

然后执行以下命令运行Docker容器。

  • CPU开发机Docker容器执行以下命令：

      // 运行 docker 镜像的命令

      export version=v1.0.0

      export ai_toolchain_package_path=/home/users/xxx/ai_toolchain_package

      export dataset_path=/home/users/xxx/data/

      docker run -it --rm \
        -v "$ai_toolchain_package_path":/open_explorer \
        -v "$dataset_path":/data \
        openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:"${version}"

  • GPU开发机 Docker容器执行以下命令：

      // 运行 docker 镜像的命令

      export version=v1.0.0

      export ai_toolchain_package_path=/home/users/xxx/ai_toolchain_package

      export dataset_path=/home/users/xxx/data/

      docker run -it --rm \
        --gpus all \ # 在启动容器时，添加标记以启用GPU资源的访问
        --shm-size=15g \ # 修改共享内存大小
        -v "$ai_toolchain_package_path":/open_explorer \
        -v "$dataset_path":/data \
        openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:"${version}"
备注

在执行上述命令时：

至此，您已经成功通过Docker镜像进入完整的算法工具链开发环境。 您可以键入 hb_mapper --help 命令验证是否可以正常得到帮助信息：

  [root@d67382e74eea open_explorer]# hb_mapper --help
  Usage: hb_mapper [OPTIONS] COMMAND [ARGS]...

    hb_mapper is an offline model transform tool provided by horizon.

  Options:
    --version  Show the version and exit.
    --help     Show this message and exit.

  Commands:
    checker    check whether the model meet the requirements.
    infer      inference and dump output feature as float vector.
    makertbin  transform caffe model to quantization model, generate runtime...

若hb_mapper工具已正常输出日志， 说明环境已安装部署完成，请到 开发板部署 章节，进行开发板的环境安装。

开发板部署​

开发板部署需要您按照刷机说明，将开发版镜像更新到最新版本，升级方法请参考安装系统 章节内容， 升级完成后，再将相关补充文件拷贝到开发板中即可。

补充文件准备​

算法工具链的部分补充工具未包含在系统镜像中，这些工具已经放置在 horizon_xj3_open_explorer_vX.X.X-XXXXX/ddk/package/ 安装包中， 进入到 horizon_xj3_open_explorer_vX.X.X-XXXXX/ddk/package/board/ 执行install脚本。 执行命令如下：

  // 若使用RDK X3开发板，执行命令
  bash install.sh ${board_ip}
备注

其中，${board_ip} 是您为开发板设置的IP地址，请确保在开发机上可以访问该IP。 成功安装后，重新启动开发板，在开发板上执行 hrt_model_exec 可以验证安装是否成功。

RDK-X5​

交付物使用说明​

提示

本章节仅演示算法工具链使用方法。最新版本的工具链安装包及离线文档，可通过访问《地瓜X5算法工具链版本发布》获取。

在进行算法工具链使用环境部署前，请下载D-Robotics 提供的 嵌入式应用开发Sample交付包 到Linux开发机环境中。

下载嵌入式应用开发Sample交付包：

  // 示例版本为 V1.2.8

  wget -c ftp://x5ftp@vrftp.horizon.ai/OpenExplorer/v1.2.8_release/horizon_x5_open_explorer_v1.2.8-py310_20240926.tar.gz --ftp-password=x5ftp@123$%


  // 更多模型转换示例，根据需要进行下载！
  //wget -c ftp://oeftp@sdk.d-robotics.cc/model_convert_sample/horizon_model_convert_sample.tar.xz --ftp-password=Oeftp~123$%

示例包源码目录结构说明​

解压算法工具链SDK源码包：

  // 示例版本为 V1.2.8

  tar -xvf horizon_x5_open_explorer_v1.2.8-py310_20240926.tar.gz

解压后的目录结构如下：

├── package  # 目录下包含了发布物运行的一些基础库和组件
│   ├── board
│   │   ├── hrt_tools  # 包含 hrt_model_exec 和 hrt_bin_dump 的源码和可执行文件
│   │   └── install.sh # 一键安装脚本，可以一键将hrt工具安装到指定的开发板
│   └── host
│       ├── ai_toolchain
│       ├── host_package
│       ├── hrt_tools
│       ├── install.sh
│       └── resolve.sh  # 用于下载交叉编译工具、torch等依赖
├── README-CN
├── README-EN
├── resolve_all.sh # 一键下载OE包内所有可下载的依赖项
├── run_docker.sh # Docker 镜像启动脚本
└── samples
    ├── ai_benchmark  # 提供了常见的分类、检测和分割模型的评测示例，包括性能评测和精度评测两部分
    ├── ai_toolchain # 提供了一系列模型算法的相关示例
    │   ├── horizon_model_convert_sample
    │   ├── horizon_model_train_sample
    │   ├── horizon_runtime_sample
    │   └── model_zoo
    └── model_zoo -> ai_toolchain/model_zoo

开发机部署​

对于开发机的环境部署，X5算法工具链支持使用Docker部署方式。

开发机准备​

为了顺利地使用算法工具链，X5算法工具链建议您选择的开发机应满足以下要求：

硬件/操作系统要求
CPUCPU I3以上或者同级别E3/E5的处理器
内存16G或以上级别
GPU(可选)CUDA11.6、驱动版本Linux:>= 510.39.01*
适配显卡包括但不限于：
1)GeForce RTX 3090
2)GeForce RTX 2080 Ti
3)NVIDIA TITAN V
4)Tesla V100S-PCIE-32GB
5)A100
系统Ubuntu 20.04

更多关于CUDA与显卡的兼容性问题请参考NVIDIA官网信息 。

使用Docker环境​

为了帮助您快速使用算法工具链，X5算法工具链提供了包含完整开发环境的Docker镜像，大大简化了环境的部署过程。

在阅读此部分内容前，我们希望您的开发机中已经预装好了Docker的基础环境。 X5算法工具链要求的Docker基础环境信息如下：

完成Docker环境安装后，需要将无root权限的用户添加到Docker用户组中。参考如下命令：

  sudo groupadd docker
  sudo gpasswd -a ${USER} docker
  sudo service docker restart

获取本节需要使用的Docker镜像的地址如下：

镜像文件命名形式为：

  • CPU版本docker： openexplorer/ai_toolchain_ubuntu_20_x5_cpu:{version}
  • GPU版本docker： openexplorer/ai_toolchain_ubuntu_20_x5_gpu:{version}

小技巧：

  1. 执行命令时将 {version} 替换为您根据 X5 SDK交付包中的 ai_toolchain_package 目录下获取到的 版本信息
  2. 本地Docker镜像包版本，可以联系技术支持团队获取。
  3. 开发机并不是必须含有GPU卡，一般使用CPU开发机加载Docker镜像即可做模型转换！

每个镜像文件在第一次使用前，需要拉取镜像。

  • 镜像拉取命令为：

      docker pull openexplorer/ai_toolchain_ubuntu_20_x5_cpu:v1.2.8

然后执行以下命令运行Docker容器。

  • CPU开发机Docker容器执行以下命令：

      // 运行 docker 镜像的命令

      export version=v1.2.8

      export ai_toolchain_package_path=/home/users/xxx/ai_toolchain_package

      export dataset_path=/home/users/xxx/data/

      docker run -it --rm \
        -v "$ai_toolchain_package_path":/open_explorer \
        -v "$dataset_path":/data \
        openexplorer/ai_toolchain_ubuntu_20_x5_cpu:"${version}"

  • GPU开发机 Docker容器执行以下命令：

      // 运行 docker 镜像的命令

      export version=v1.2.8

      export ai_toolchain_package_path=/home/users/xxx/ai_toolchain_package

      export dataset_path=/home/users/xxx/data/

      docker run -it --rm \
        --gpus all \ # 在启动容器时，添加标记以启用GPU资源的访问
        --shm-size=15g \ # 修改共享内存大小
        -v "$ai_toolchain_package_path":/open_explorer \
        -v "$dataset_path":/data \
        openexplorer/ai_toolchain_ubuntu_20_x5_gpu:"${version}"

小提示：

至此，您已经成功通过Docker镜像进入完整的算法工具链开发环境。 您可以键入 hb_mapper --help 命令验证是否可以正常得到帮助信息：

  [root@d67382e74eea open_explorer]# hb_mapper --help
  Usage: hb_mapper [OPTIONS] COMMAND [ARGS]...

    hb_mapper is an offline model transform tool provided by horizon.

  Options:
    --version  Show the version and exit.
    --help     Show this message and exit.

  Commands:
    checker    check whether the model meet the requirements.
    infer      inference and dump output feature as float vector.
    makertbin  transform caffe model to quantization model, generate runtime...

若hb_mapper工具已正常输出日志， 说明环境已安装部署完成，请到开发板部署章节，进行开发板的环境安装。

开发板部署​

开发板部署需要您按照刷机说明，将开发版镜像更新到最新版本，升级方法请参考安装系统 章节内容， 升级完成后，再将相关补充文件拷贝到开发板中即可。

算法工具链的部分补充工具未包含在系统镜像中，这些工具已经放置在 horizon_x5_open_explorer_vX.X.X-XXXXXXX/package/ 安装包中， 进入到 horizon_x5_open_explorer_vX.X.X-XXXXXXX/package/package/board 执行install脚本。 执行命令如下：

  bash install.sh ${board_ip}

注意：

  • ${board_ip} 是您为开发板设置的IP地址，请确保在开发机上可以访问该IP。
  • 成功安装后，重新启动开发板，在开发板上执行 hrt_model_exec 可以验证安装是否成功。

RDK-Ultra​

交付物使用说明​

在进行算法工具链使用环境部署前，请下载D-Robotics 提供的 嵌入式应用开发Sample交付包 到Linux开发机环境中。

下载嵌入式应用开发Sample交付包： ftp://oemng@42.62.85.52:10021/RDK/rdk-x3-ultra/

  // 示例版本为 V1.0.0

  wget -c ftp://oeftp@sdk.d-robotics.cc/RDK/rdk-x3-ultra/Ai_Toolchain_Package-release-v1.1.57-OE-v1.0.0.tar.xz --ftp-password=Oeftp~123$%

  // 更多模型转换示例，根据需要进行下载！
  //wget -c ftp://oeftp@sdk.d-robotics.cc/RDK/rdk-x3-ultra/horizon_model_convert_sample.tar.gz --ftp-password=Oeftp~123$%

示例包源码目录结构说明​

解压算法工具链SDK源码包：

  // 示例版本为 V1.0.0

  tar -xvf Ai_Toolchain_Package-release-v1.1.57-OE-v1.0.0.tar.xz

解压后的目录结构如下：

  • ai_benchmark: 目录下提供了常见的分类、检测和分割模型的评测示例，包括性能评测和精度评测两部分。

  • horizon_runtime_sample: 目录下提供了定点模型的上板示例。

  • package: 目录下包含了发布物运行的一些基础库和组件

    1. board 文件夹下为板端可执行程序。

    2. host 文件夹下为x86开发环境下的环境依赖、工具依赖以及模型推理相关的libdnn库和头文件。

开发机部署​

对于开发机的环境部署，D-Robotics 支持使用Docker部署方式。

开发机准备​

为了顺利地使用算法工具链，D-Robotics 建议您选择的开发机应满足以下要求：

硬件/操作系统要求
CPUCPU I3以上或者同级别E3/E5的处理器
内存16G或以上级别
GPU(可选)CUDA11.6、驱动版本Linux:>= 510.39.01*
适配显卡包括但不限于：
1)GeForce RTX 3090
2)GeForce RTX 2080 Ti
3)NVIDIA TITAN V
4)Tesla V100S-PCIE-32GB
系统Ubuntu 20.04

更多关于CUDA与显卡的兼容性问题请参考NVIDIA官网信息 。

使用Docker环境​

为了帮助您快速使用算法工具链，D-Robotics 提供了包含完整开发环境的Docker镜像，大大简化了环境的部署过程。

在阅读此部分内容前，我们希望您的开发机中已经预装好了Docker的基础环境。 D-Robotics 要求的Docker基础环境信息如下：

完成Docker环境安装后，需要将无root权限的用户添加到Docker用户组中。参考如下命令：

  sudo groupadd docker
  sudo gpasswd -a ${USER} docker
  sudo service docker restart

获取本节需要使用的Docker镜像的地址如下：

镜像文件命名形式为：

  • GPU版本docker： openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:{version}
小技巧

执行命令时将 {version} 替换为您获取到的 最新版本的Docker镜像 ，例如： D-Robotics docker hub GPU Docker 中目前的最新版本为 openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:v1.0.0。

本地Docker镜像包版本，可以联系D-Robotics 技术支持团队获取。

开发机并不是必须含有GPU卡，一般使用CPU开发机加载Docker镜像即可做模型转换！

每个镜像文件在第一次使用前，需要拉取镜像。

  • 镜像拉取命令为：

      docker pull openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:v1.0.0

然后执行以下命令运行Docker容器。

  • CPU开发机Docker容器执行以下命令：

      // 运行 docker 镜像的命令

      export version=v1.0.0

      export ai_toolchain_package_path=/home/users/xxx/ai_toolchain_package

      export dataset_path=/home/users/xxx/data/

      docker run -it --rm \
        -v "$ai_toolchain_package_path":/open_explorer \
        -v "$dataset_path":/data \
        openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:"${version}"

  • GPU开发机 Docker容器执行以下命令：

      // 运行 docker 镜像的命令

      export version=v1.0.0

      export ai_toolchain_package_path=/home/users/xxx/ai_toolchain_package

      export dataset_path=/home/users/xxx/data/

      docker run -it --rm \
        --gpus all \ # 在启动容器时，添加标记以启用GPU资源的访问
        --shm-size=15g \ # 修改共享内存大小
        -v "$ai_toolchain_package_path":/open_explorer \
        -v "$dataset_path":/data \
        openexplorer/ai_toolchain_ubuntu_20_x3j5_gpu:"${version}"
备注

在执行上述命令时：

至此，您已经成功通过Docker镜像进入完整的算法工具链开发环境。 您可以键入 hb_mapper --help 命令验证是否可以正常得到帮助信息：

  [root@d67382e74eea open_explorer]# hb_mapper --help
  Usage: hb_mapper [OPTIONS] COMMAND [ARGS]...

    hb_mapper is an offline model transform tool provided by horizon.

  Options:
    --version  Show the version and exit.
    --help     Show this message and exit.

  Commands:
    checker    check whether the model meet the requirements.
    infer      inference and dump output feature as float vector.
    makertbin  transform caffe model to quantization model, generate runtime...

若hb_mapper工具已正常输出日志， 说明环境已安装部署完成，请到 开发板部署 章节，进行开发板的环境安装。

开发板部署​

开发板部署需要您按照刷机说明，将开发版镜像更新到最新版本，升级方法请参考安装系统 章节内容， 升级完成后，再将相关补充文件拷贝到开发板中即可。

补充文件准备​

算法工具链的部分补充工具未包含在系统镜像中，这些工具已经放置在 Ai_Toolchain_Package-release-vX.X.X-OE-vX.X.X/package/ 安装包中， 进入到 Ai_Toolchain_Package-release-vX.X.X-OE-vX.X.X/package/board 执行install脚本。 执行命令如下：

  // 若使用RDK Ultra开发板，执行命令
  bash install_ultra.sh ${board_ip}
备注

其中，${board_ip} 是您为开发板设置的IP地址，请确保在开发机上可以访问该IP。 成功安装后，重新启动开发板，在开发板上执行 hrt_model_exec 可以验证安装是否成功。

版本管理工具使用说明​

本章节主要介绍ddk_vcs版本管理工具的使用说明，便于开发者了解当前开发机环境中算法工具链依赖包的版本情况。

小技巧

版本管理工具主要用于在使用Docker环境进行模型PTQ转换出现错误时做DEBUG使用，若模型转换功能正常，可跳过此章节阅读。

版本管理工具包括以下功能：

  • ddk_vcs list;
  • ddk_vcs install;
  • ddk_vcs uninstall;
  • ddk_vcs patch;
  • ddk_vcs show;

ddk_vcs list​

ddk_vcs list 用于列出已安装的软件包。

不加参数执行此命令时，结果会展示当前已安装的各个模块的信息。使用示例如下：


  [horizon@gpu-dev067 ai_toolchain]$ ddk_vcs list
  Host package version: v2.0.3
  The following packages versions
  Platform        Package         Version MD5
  --------------- --------------- ------- -------------
  aarch_64        appsdk          032419  093e13b44e
  aarch_64        dnn             1.8.1g  aff0f6f4de
  x86_64_gcc5.4.0 dnn_x86         1.8.1g  e8e6bf9ed5
  x86             horizon-nn      0.13.3  origin:0.13.3
  x86             horizon-nn-gpu  0.13.3  origin:N/A
  x86             horizon-tc-ui   1.6.4   origin:1.6.4
  x86             hbdk            3.28.3  origin:3.28.3
备注

最后几行的origin信息会在每次使用工具链SDK包内的install脚本进行安装后更新为当前环境下的版本， 后续在使用ddk_vcs进行安装时则不会改变，只会改变Version的值。

使用 -p 参数以后会显示当前可以安装的模块版本情况，可以通过 ddk_vcs install 进行安装，使用示例如下：


  [horizon@gpu-dev004]$ ddk_vcs list -p
  Host package version: 1.5.1
  The following packages versions
  Platform        Local Package                 Version MD5
  --------------- ----------- ------- ----------
  aarch_64        appsdk_1.9.0.tar.gz           1.9.0   bf01140c9d
  aarch_64        bpu_predict_1.10.2.tar.gz     1.10.2  5b6e5dd6c5
  aarch_64        dnn_1.1.2a.tar.gz             1.1.2a  fdb5729f4f
  x86_64_gcc5.4.0 bpu_predict_1.10.2.tar.gz     1.10.2  4dbdd980a7
  x86_64_gcc5.4.0 dnn_x86_1.1.2a.tar.gz         1.1.2a  5bf5fcd4fe

ddk_vcs install​

ddk_vcs install 用于对安装包进行安装。 用户可以直接通过 ddk_vcs install 将对应的模块tar包进行安装。安装时需要指定对应的platform。使用示例如下：


  [horizon@gpu-dev004]$ ddk_vcs install bpu_predict_1.10.2.tar.gz -p aarch_64
  bpu_predict installed successfully, version: 1.10.2, platform: aarch_64
  [horizon@gpu-dev067 ai_toolchain]$ ddk_vcs install hbdk-3.28.3-py3-none-linux_x86_64.whl  horizon_nn-0.13.3-py3-none-any.whl
  hbdk-3.28.3-py3-none-linux_x86_64.whl installed successfully
  horizon_nn-0.13.3-py3-none-any.whl installed successfully

在使用 ddk_vcs list -p 后用户可以得到自己当前host package中各个模块包的版本信息， 然后使用 ddk_vcs install 可以很方便地切换各个版本，使用示例如下：


  [horizon@gpu-dev004]$ ddk_vcs install bpu_predict==1.7.2  --platform aarch_64
  bpu_predict installed successfully, version: 1.7.2, platform: aarch_64

如果本地没有对应版本可以指定安装包位置进行安装。

ddk_vcs uninstall​

ddk_vcs uninstall 用于卸载指定模块。使用示例如下：


  [horizon@gpu-dev004]$ ddk_vcs uninstall bpu_predict --platform aarch_64
  Start to uninstall modules, platform: aarch_64
  bpu_predict uninstalled successfully, version: 1.10.2, platform: aarch_64

ddk_vcs patch​

使用 ddk_vcs patch ddk_patch.tar.gz 可以安装预先制作好的patch包。使用示例如下：


  [horizon@gpu-dev004]$ ddk_vcs patch ddk_patch.tar.gz
  bpu_predict installed successfully, version: 1.7.2_patch0, platform: aarch64

ddk_vcs show​

ddk_vcs show 用于显示有关已安装软件包的信息。使用 ddk_vcs show [模块名] ，可以展示对应模块的信息。使用示例如下：


  [horizon@gpu-dev004]$ ddk_vcs show bpu_predict
  Host package version 1.5.1
  The following packages versions
  Platform        Package     Version       MD5
  --------------- ----------- ------------- ----------
  aarch_64        bpu_predict 1.10.2        5b6e5dd6c5
  x86_64_gcc5.4.0 bpu_predict 1.10.2_patch1 d4f8e37921

如果2个架构内有同名依赖，可以使用 -p/--platform 指定架构名进行过滤。使用示例如下：


  [horizon@gpu-dev004]$ ddk_vcs show bpu_predict -p aarch_64
  Host package version 1.5.1
  The following packages versions
  Platform Package     Version MD5
  -------- ----------- ------- ----------
  aarch_64 bpu_predict 1.10.2  5b6e5dd6c5
最后于 更新