左侧选项栏中缺少ssh Interpreter选项，导致无法连接远程调试，请问如何修复？

结构化数据中deviceID字段为空GET /SDCAPI/V1.0/Rest/DeviceID 可获取到deviceID 

在上一篇中，给大家介绍了CodeArts中华为云API的功能和用法。本文将通过实战演练的形式，带着大家一块体验下整个API开发过程。那么话不多说，Let's go！这里以一个大家经常遇到的应用场景举例：文字识别。面对日常生活中涉及到的各种票证--身份证、驾驶证、银行卡、火车票、发票等等，甚至是核酸检测记录—各种票据凭证识别工作耗费大量人力物力，尤其现在大多数都是电子版，这里我们通过华为云文字识别OCR服务提供的API快速实现一个发票识别应用，来体验下CodeArts以及华为云API的强大能力。一、打开华为云插件，搜索想要实现的功能：发票识别，查看搜索出的API，可以看到华为云为发票识别提供了丰富的API，点击打开API详情，挑选出符合需求的API这里我们挑选增值税发票识别，通过查看API的详细文档，可以了解到此API可以直接将图片的base64编码作为参数直接传入，也可以支持传入远程服务器中图片的url路径，方便对接自己公司的票务系统，这些参数都将作为http post请求中的body体发送给华为云OCR服务。注：图片转base64的方法可以直接用JDK提供的Base64.getEncodeer().encodeToString(data)实现。点击在线体验API，此时跳转到了API调测平台API Explorer，在这里可以将图片的base64编码填入Body体重的image参数，点击调试，右下的响应结果会将接口的返回体打印出来。二、体验完了API，就要开始写代码了先来学习下一个API调用的完整流程，点击文档右侧的SDK示例代码，可以看到一个API完整调用流程：通过BasicCredentials鉴权，然后开始组装HttpClient模型，之后将参数封装到request模型中，并作为参数传入到client发送的API请求中。注意调用API的几个必填参数：ak/sk：access key和secret access key，用于鉴权。region：云服务资源所在的区域projectId：你要操作的region中的项目ID。如果projectId不填，SDK会自动获取region下第一个projectId将刚刚的base64编码拷贝到参数中，这时右侧示例代码同步生成对应的参数模型。可以将SDK代码拷贝到自己的工程中，进行调试。注1：通过CodeArts新建初始化工程可以参考CodeArts使用说明文章，这里就不再赘述，本教程工程模板附在本文末尾注2：由于image字符串较长，这里没有直接拷贝到方法中，而是抽取了一个参数image传入注3：如果是内网用户通过代理访问API，则需要配置代理，如没有Certificate证书，则可以http代理类关闭SSL校验。三、如果仅仅是copy代码是不是还太初阶了？CodeArts华为云API还提供华为云SDK代码补全功能，通过右键菜单或者命令行打开开关（默认关闭），在用户输入代码时会提供API联想提示，并插入SDK代码，API代码一键生成！SDK代码补全支持以下场景：识别上下文中的鉴权、client信息，如果用户已实现鉴权、client封装等，则会直接获取对应的引用调用API如果SDK代码中的声明变量名称重复，则会自动加上后缀识别用户已经声明的日志类，并替换到SDK代码中自动安装SDK的依赖包到pom中，并刷新maven dependency样例工程中已经将鉴权、client封装好，这时在方法中插入代码，选中recognizeVatInvoice，将直接复用上面声明的myClient变量，将剩余代码插入到方法中。此时再将image封装到请求的body体中，就完成了整个API调用代码。启动调试，查看结果。注：当前还不支持参数模型代码自动生成，该功能将在下个版本上线。大家是否也跃跃欲试了呢，欢迎大家申请试用CodeArts，抢鲜体验华为云API！

华为云当前有120+云服务提供4000+API供广大开发者调用，本篇文章主要为您讲解CodeArts上如何使用华为云API，包括华为云API检索、API文档查看、API调试，提供SDK示例代码供开发者学习如何使用API。同时，在开发者实际编程过程中，提供SDK代码自动补全功能助你快速集成开发。华为云API介绍打开CodeArts后，点击左侧侧边栏中的华为云API图标，则可打开华为云API插件主面板，如果是第一次进入，右侧会弹出华为云服务API全景图，为您介绍此插件丰富的能力。你也可以通过点击右上角的API全景图按钮打开全景图。API检索打开的华为云API，可以在搜索框中搜索华为云发布的所有云服务、API、SDK、错误码等。同时下面的热门推荐会为你展示最近有哪些热门的API。查看API文档根据搜索结果选择满足诉求的API，右侧panel将会打开API文档，可以查看此API的详细信息包括接口说明、URL、参数说明及示例、返回结果说明及示例等，方便你全方位的了解此API功能。API调试在API文档上方，点击“在线体验API”按钮，会跳转到API调测工具APIExplorer的页面，你可以在此调试该APISDK示例代码在API文档右侧，点击切换到“SDK示例代码”页签，这里的示例代码会指导你如何通过华为云SDK代码来调用API，并且在左侧编辑此API参数时，右侧面板会同步将参数模型的封装插入到示例代码中。SDK代码自动补全华为云API插件还提供代码补全功能，辅助开发者在编程过程中，通过识别用户上下文，将SDK代码片段补全，使调用华为云API更方便。SDK代码补全功能默认关闭，开发者可以通过鼠标右键中的菜单栏或者命令行-启用华为云SDK代码补全助手来打开开关。这时在编辑器中输入代码时，插件会联想出匹配的华为云API。开发者选中后，会对此时代码插入位置的上下文进行分析，将SDK代码插入到该位置。Talk is cheap，show you the code！实际编码过程中更加详细的玩法，请见CodeArts华为云API第二章-华为云API实战演练。

李小达教你使用MindStudio 5.0完成MMNet人像分割1、把华为云的用户名改一下，改成自己喜欢的就可以啦，不能是默认的hw_xxxx_xxx哦（默认账号ID可能无法获得体验代金券~）2、将修改好的ID发给老师，等候ing....华为云里面看看优惠卷是否到账，到账了就可以申请服务器啦优惠券 (huaweicloud.com)3、把对应节点（以华北-北京四为例。）的项目id发给老师，这样老师就可以把镜像发过来啦4、到华为云的镜像服务里面，点共享镜像，然后把节点切换成需要的节点（仍然以华北-北京四为例。），就可以开始申请服务器了5、申请服务器我这里计费模式选择按需计费，包年/包月的话我也用不到那么多。另外，规格也要根据需求选择哦，我这里选了x86-ai加速型-ai1S.large.46、进行网络配置安全组得选FullAccess，没有的话新建安全组就有了。7、进行高级配置8、进行购买9、选择好自己想要复现的案例（这里选到了一个带有pipeline文件的案例呢。），将其工程文件git clone到本地10、获取模型pb文件，并将其复制到model文件夹下11、使用mindstudio打开该项目（这里使用的mindstudio版本为5.0.RC1。）（打开时仅打开MMNET即可，如果打开整个仓的话后续将本地文件上传到远端会很慢。）mindstudio的安装请参考guide/mindstudio/cases/tutorials/Windows安装MindStudio.md · Ascend/docs-openmind - Gitee.com12、将项目转换成昇腾项目13、在本地mindstudio的项目结构里面配置sdk和远端python解释器14、设置文件夹映射15、配置CANN（不然Model Converter的时候CANN是灰的。）16、将本地文件上传到服务器17、转出om文件（这里需要根据要求配置参数。）18、将测试图片复制到MMNET目录下，并将本地文件同步到服务器19、参考官方文档和我需要复现的案例中对环境变量的要求，修改bashrc然后source~​20、调整运行配置，运行。（运行的是main.py，不是run.sh，因为这个复现案例中的run.sh里面只是一些临时环境变量，而我们已经写入到bashrc中了。）21、配置本地SDK，因为我们想在Windows本地看看MindX SDK的pipeline！22、查看pipeline文件有了pipeline，那么流程中用到了哪些插件，这些插件之间的关系是怎样的，就很清楚啦。如上图所示，紫色为输入插件，粉色为输出插件，蓝色为输入输出插件之间的插件，灰色为当前插件库中未定义的插件。可以通过将鼠标悬停在插件上，来查看该插件的功能描述信息。如上图所示，appsrc0是一个用于和应用交互的插件。如上图所示，test_mxpi_imagedecoder的输入格式为jpg，输出格式为BGR。如上图所示，test_mxpi_imageresize为resize插件。如上图所示，该插件在根据om模型进行推理。如上图所示，test_appsink为输出插件。关于pipeline文件的功能和可视化编排的详细说明，大家也可以参考可视化流程编排-基于MindX SDK开发应用-应用开发-用户指南-5.0.RC1-MindStudio-文档首页-昇腾社区 (hiascend.com)，我也正在学习~FAQ：1、查看pipeline文件时，明明mindx sdk已经成功import，打开pipeline文件却不是图形化的。解决方案：如下图所示点击“Pipeline Stream Editor”。（官方文档即可视化流程编排-基于MindX SDK开发应用-应用开发-用户指南-5.0.RC1-MindStudio-文档首页-昇腾社区 (hiascend.com)中提到了这一点来着，不过不太容易发现。）TIPS：1、提供的镜像里面是可以直接跑的 不需要安装Python和相关的运行库 大赞活动筹备人员，帮我们省去了繁琐的部署过程！2、不需要在服务器端重装mindstudio，服务端也提供了Linux版的MindStudio，但是图形化界面回传回来会有些卡顿，推荐使用Windows端的MindStudio~3、用mindstudio打开工程的时候，仅打开MMNET就可以了，我们从Gitee下克隆回来的是整仓，里面的样例工程太多啦！不然上传的时候文件量太大了，这样的话既浪费时间又浪费金钱，不推荐~4、ECS不用的时候，记得关机，不然钱会一直跑掉！！！

在编译 obs-demo 时 出现  链接不使用 /SAFESEH

随着科技的发展让机器听懂人类语言已经成为现实这其中的奥秘就是——语音识别技术 语音识别已渐渐融入到我们的生活当中它让我们的生活变得更便捷、更高效、也更智能本期趣味实验有关语音识别的基于MindX SDK的中文语音识别推理实验 一起来看看吧！实验介绍本实验将通过创建基于昇腾310处理器的推理环境，使用两个离线推理模型Conformer和Transformer模型，借助MindX SDK mxVision 将中文语音数据集识别成对应的文字，实现中文语音识别的功能。实验大纲◆ 实验背景◆ 实验介绍◆ 实验环境准备◆ 数据与模型◆ 项目介绍◆ MindX SDK开发 ：转换离线模型及插件开发◆ MindX SDK开发 ：业务流程编排◆ MindX SDK开发 ：编写应用代码◆ 课后实践实验教程​点击查看完整实验教程欢迎在下方评论区留言讨论您可以在这里展示您的DIY成果！同时欢迎大家推荐demo~

问题求助：板端升级cann-toolkit_6.0.RC1.alpha001后，板端profiling失败，环境：#Atlas200DK#driver/firmware: A200dk-npu-driver-21.0.4-ubuntu18.04-aarch64-minirc.tar （板端已安装成功）#离线推理包：Ascend-cann-nnrt_6.0.RC1.alpha001_linux-aarch64.run （板端已安装在/usr/local下）#toolkit：（板端已安装在/home/HwHiAiUser/Ascend/ascend-toolkit下，显示success）#app：msame经过修改，可以直接运行指定模型无需参数。（板端单独运行./msame可以正常推理模型）profiling指令为：./Ascend-cann-toolkit_6.0.RC1.alpha001_linux-aarch64.run --install. /home/HwHiAiUser/Ascend/ascend-toolkit/set_env.sh/home/HwHiAiUser/Ascend/ascend-toolkit/latest/toolkit/tools/profiler/bin/msprof  --output=/home/HwHiAiUser/1onnx_task --application=/home/HwHiAiUser/msame --sys-hardware-mem=on --sys-io-profiling=on --sys-pid-profiling=on --sys-profiling=on --sys-cpu-profiling=on --sys-devices=1 --aic-mode=task-based --runtime-api=on --model-execution=on现象：[ERROR] Init platform by driver faild!

比如640*640的图像，我只想要中间320*320的目标框，问下我该如何开发

【功能模块】模型推理报错11002，在调用libcpu_kernels.so时失败，搜索该文件并未缺失。【操作步骤&问题现象】1、2、【截图信息】【日志信息】（可选，上传日志内容或者附件）clmdlGetDynamicBatch index = 0 batch = 1aclmdlGetDynamicBatch index = 1 batch = 2[kkkkkkkkk]:count:2aclmdlSetDynamicBatchSize , batchSize is 1[EVENT] CCECPU(6998,main_test):1970-01-02-01:18:02.507.798 [ae_so_manager.cc:440][LoadSo][tid:6998][AICPU_PROCESSER] Single so manager init failed, soFile is /usr/lib64/aicpu_kernels/0/aicpu_kernels_device/libcpu_kernels.so.[ERROR] CCECPU(6998,main_test):1970-01-02-01:18:02.507.979 [ae_so_manager.cc:453][LoadSo][tid:6998][AICPU_PROCESSER] Single so manager init failed, soFile is /usr/lib64/aicpu_kernels/libcpu_kernels.so.[EVENT] CCECPU(6998,main_test):1970-01-02-01:18:02.508.036 [ae_so_manager.cc:265][GetApi][tid:6998][AICPU_PROCESSER] Load so libcpu_kernels.so failed.[ERROR] CCECPU(6998,main_test):1970-01-02-01:18:02.508.090 [ae_kernel_lib_aicpu.cc:104][CallKernelApi][tid:6998][AICPU_PROCESSER] Get RunCpuKernel api from libcpu_kernels.so failed.[ERROR] CCECPU(6998,main_test):1970-01-02-01:18:02.508.171 [aicpusd_event_process.cpp:885][ExecuteTsKernelTask][tid:6998] Aicpu engine process failed, result[11002].[ERROR] DRV(6998,main_test):1970-01-02-01:21:27.520.192 [devdrv_aicpufw.c:182]6998 ext_mpi_aicpu_get_event:---tid:6998--> get event from TSFW timeout.[ERROR] DRV(6998,main_test):1970-01-02-01:24:52.320.172 [devdrv_aicpufw.c:182]6998 ext_mpi_aicpu_get_event:---tid:6998--> get event from TSFW timeout.

SS928V100_SDK_V2.0.2.0模型推理报错， Single so manager init failed, soFile is /usr/lib64/aicpu_kernels/0/aicpu_kernels_device/libcpu_kernels.so.

# MindX SDK -- PP-Picodet目标检测案例分享 ## 1 案例概述 ### 1.1 概要描述 > 项目地址：[contrib/PicoDet · Ascend/mindxsdk-referenceapps - 码云 - 开源中国 (gitee.com)](https://gitee.com/ascend/mindxsdk-referenceapps/tree/master/contrib/PicoDet) 本项目基于MindX SDK，在昇腾平台上，开发端到端目标检测参考设计，实现对图像中的对象进行检测识别功能。 ### 1.2 模型介绍 本项目使用的目标检测模型是PP-Picodet，是由PaddleDetection提出的轻量级系列模型，模型以及项目参考[PaddleDetection](https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.3/configs/picodet/README_cn.md) ### 1.3 实现流程 ``` 推理环境准备 --> 模型转换 --> 功能插件开发 --> 推理流程编排 --> 业务管理代码开发 ``` SDK推理流程图如下：  ## 2 软件方案介绍 ### 2.1 项目方案架构介绍 基于MindX SDK的目标检测业务流程为：待检测图片通过 appsrc 插件输入，然后使用图像解码插件 mxpi_imagedecoder 对图片进行解码，再通过图像缩放插件 mxpi_imageresize 将图像缩放至满足检测模型要求的输入图像大小要求，缩放后的图像输入模型推理插件 mxpi_tensorinfer 得到推理结果，推理结果输入 mxpi_objectpostprocessor 插件进行后处理，得到输入图片中所有的目标框位置和对应的置信度。最后通过输出插件 appsink 获取检测结果，并在外部进行可视化，将检测结果标记到原图上，本系统的各模块及功能描述如表1所示： 表1 系统方案各模块功能描述： | 序号 | 子系统 | 功能描述 | | ---- | -------------- | ------------------------------------------------------------ | | 1 | 图片输入 | 获取 jpg 格式输入图片 | | 2 | 图片解码 | 解码图片 | | 3 | 图片缩放 | 将输入图片放缩到模型指定输入的尺寸大小 | | 4 | 模型推理 | 对输入张量进行推理 | | 5 | 目标检测后处理 | 从模型推理结果计算检测框的位置和置信度，并保留置信度大于指定阈值的检测框作为检测结果 | | 6 | 结果输出 | 获取检测结果 | | 7 | 结果可视化 | 将检测结果标注在输入图片上 | ### 2.2 代码目录结构与说明 本工程名称为 PicoDet，工程目录如下所示： ``` ├── build.sh ├── dataset //用户自行创建 │ ├── annotations │ │ ├── instances_val2017.json │ └── val2017 │ └── images ├── PicodetPostProcess │ ├── build.sh │ ├── CMakeLists.txt │ ├── PicodetPostProcess.cpp │ └── PicodetPostProcess.h ├── models │ ├── coco.names //用户自行下载 │ ├── picodet.aippconfig │ └── picodet.cfg ├── picodet.pipeline ├── evaluate.py ├── main.py └── README.md ``` ## 3 开发环境准备 ### 3.1 环境依赖说明 推荐系统为ubuntu 18.04，环境依赖软件和版本如下表： | 软件名称 | 版本 | | -------------- | ----- | | ascend-toolkit | 5.0.4 | | mxVision | 2.0.4 | | python | 3.9.2 | ### 3.2 环境搭建 在编译运行项目前，需要设置环境变量： ``` . ${sdk_path}/set_env.sh . ${ascend_toolkit_path}/set_env.sh ``` ## 4 编译与运行 **步骤1** 模型获取 本项目中选用的模型是 PicoDet-S（320*320），可以直接从链接获取可用的onnx模型：[下载链接](https://gitee.com/link?target=https%3A%2F%2Fpaddledet.bj.bcebos.com%2Fdeploy%2Fthird_engine%2Fpicodet_s_320_coco.onnx)。 将下载好的onnx模型放入models目录下，执行转换命令： ``` atc --model=picodet_s_320_coco.onnx --output=picodet --output_type=FP32 --soc_version=Ascend310 --input_shape="image:1,3,320,320" --insert_op_conf=picodet.aippconfig --input_format=NCHW --framework=5 ``` **步骤2** 编译后处理插件，在主目录下执行如下命令，编译成功的插件安装在sdk插件库中 ``` bash build.sh ``` **步骤3** 下载标签文件coco.names 下载文件[coco2014.names](https://gitee.com/ascend/ModelZoo-PyTorch/blob/master/ACL_PyTorch/built-in/cv/Yolov3_for_Pytorch/coco2014.names)，将下载的标签文件放入models目录中并修改文件名为**coco.names** **步骤3** 执行推理 ``` python3.9 main.py ${推理图片文件夹} ${结果保存文件夹} ``` ## 5 指标验证 ### 5.2 精度测试 **步骤1** 下载cocoval2017[数据集](https://gitee.com/link?target=http%3A%2F%2Fimages.cocodataset.org%2Fzips%2Fval2017.zip)与[标注文件](https://gitee.com/link?target=http%3A%2F%2Fimages.cocodataset.org%2Fannotations%2Fstuff_annotations_trainval2017.zip)，放入主目录下的dataset文件夹中，确保目录结构如2.2章节所示 **步骤2** 修改 models/picodet.cfg中参数 ``` SCORE_THRESH=0.025 NMS_THRESH=0.6 ``` **步骤3** 执行测试脚本 ``` python3.9 evaluate.py ``` 得到精度结果  精度值达到 0.262，与源模型精度0.271相差0.009，满足精度要求

张小白曾经在 《张小白带你玩转Atlas 200DK+CANN 5.0.4+MindStudio 3.0.4》系列文章中体验过MindStudio 3.0.4，当时MindStudio确实在多处文章中出现，包括安装：https://bbs.huaweicloud.com/blogs/345869 ，模型转换 https://bbs.huaweicloud.com/blogs/348182 等等。因为使用MindStudio的方式跟直接在终端运行推理的方式略有不同，比如说在MindStudio运行作业，CMakesLists.txt文件可能需要修改等等，这些张小白在文中还特意指出过。但是作为一个正在冉冉升起的CANN集成化开发工具，MindStudio确实做得越来越出色了。近期的MindStudio体验第一期正在进行中：https://bbs.huaweicloud.com/forum/thread-190510-1-1.html ，下载链接中的附件，解压后，会发现有两个活动：活动1是使用MindX SDK复现应用，活动2是MindX SDK开发应用。于是，张小白聪明地先选择了复现。当然，体验前没那么简单，需要做好几件事情：（1）阅读 https://www.hiascend.com/document/detail/zh/mindstudio/50RC1/msug/msug_000144.html 中的相关内容，了解如何通过MindStudio 5.0.RC进行MindX SDK类型的应用开发。（2）准备MindStudio 5.0.RC的环境以及跟其配套的CANN环境。（3）查看并选择MindX SDK要复现的案例：https://www.hiascend.com/developer/case-studies（4）在相关环境上复现相关案例。当然，当张小白打开 https://www.hiascend.com/developer/case-studies 想查看案例的时候，却发现 通过过滤MindX SDK，只有 Atlas 300I Pro的1个案例：以及Atlas 800的 13个案例：本来还想找200DK的案例，然后用自己的200DK做个尝试的。但是真的没有。张小白有点不甘心，总觉得哪里错了。一方面，将问题发到MindStudio的体验官群里面（但是这是个周末），一方面，强行打开了 ”图像卡通风格迁移“的案例：https://www.hiascend.com/zh/developer/mindx-sdk/case-studies/051ec03c-ea76-4fca-9c2e-5bf2f98a4909并打开上面gitee的链接：https://gitee.com/ascend/mindxsdk-referenceapps/tree/master/contrib/CartoonGANPicture查看相关内容。同时，MindStudio群里面发出了一个新的链接，里面含有快速入门样例：https://www.hiascend.com/document/detail/zh/mindstudio/50RC2/progressiveknowledge/index.html打开链接才知道，zip中的版本是5.0.RC1，而新的链接的版本是5.0.RC2.于是，两难的抉择放在了张小白面前，到底是按照 体验指引的文档要求，从 应用案例的页面着手，还是 按照最新发的链接的要求，从”快速入门样例“的页面着手？再仔细看看文档，发现后者的链接其实并没有应用案例。它只是告诉了MindStudio开发应用的全过程。所以还是从卡通风格迁移案例开始吧。在 https://gitee.com/ascend/mindxsdk-referenceapps/tree/master/contrib/CartoonGANPicture 连接，找到下载连接：先把这个下载下来，备用： https://gitee.com/link?target=https%3A%2F%2Fmindx.sdk.obs.cn-north-4.myhuaweicloud.com%2Fmindxsdk-referenceapps%2520%2Fcontrib%2FCartoonGANPicture%2Fmodel.zip然后我们到昇腾官网，打开MindStudio主页：https://www.hiascend.com/software/mindstudio点击下面的立即下载：可以看到：MindStudio 5.0.RC2配套的CANN版本需要是 CANN商用版本 5.1.RC2张小白又开始纠结起来，因为张小白玩的版本一直是社区版。难道MindStudio 5.0.RC2必须配套CANN的商用版才能使用吗？更何况 张小白想使用200DK完成案例复现，而200DK的dd镜像最高只有 5.1.RC1.alpha005版本：https://bbs.huaweicloud.com/forum/thread-139685-1-1.html这样又需要通过制卡的方式来搭建环境，还要装一堆驱动和opencv之类的东西，体验之旅将更为困难。所以，是不是只有等着 活动举办方出一个镜像方可体验MindStudio 5.0呢？与之配套的CANN版本到底要求是多少呢？还烦请专家回答。谢谢~~

求助一下，断点续传上传和下载，如何中断上传或下载？

在线服务使用modelarts sdk报错，"error_code": "ModelArts.4302",