基于心电疾病分类的深度学习模型部署应用于OrangePi Kunpeng Pro开发板

2024-06-02 07:04:09

一、开发板资源介绍

该板具有4核心64位的处理器和8TOPS的AI算力，让我们验证一下，在该板上跑深度学习模型的效果如何？

二、配网及远程SSH登录访问系统

在通过microusb连接串口进入开发板调试，在命令行终端执行以下命令

1）搜索wifi名称

nmcli dev wifi

2）连接wifi

sudo nmcli dev wifi connect wifi_name password wifi_passwd

3）查看IP地址

ip a s wlan0

4）ssh访问

通过xshell工具访问该开发板

三、安装开发环境

3.1 安装python环境

1）安装openssl

sudo yum update -y
sudo yum -y groupinstall "Development tools"
sudo yum install openssl-devel bzip2-devel expat-devel gdbm-devel readline-devel sqlite-devel psmisc libffi-devel gcc mariadb-devel

2）下载安装包

cd /usr/local
sudo wget https://www.python.org/ftp/python/3.7.0/Python-3.7.0.tgz
sudo tar -zxvf Python-3.7.0.tgz

3）切换目录并执行安装

cd Python-3.7.0

sudo ./configure --prefix=/usr/local/python3

sudo make && make install

4）环境配置

ln -s /usr/local/python3/bin/python3.7 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3.7 /usr/bin/pip3

3.2 创建虚拟环境

virtualenv ~/ecgclassification/venv --python=python3.9

其它相关配置

# 激活虚拟环境
source ~/ecgclassification/venv/bin/activate
#查看虚拟环境下的python路径
which python
# 安装相关包
pip install numpy  -i https://pypi.tuna.tsinghua.edu.cn/simple
# 退出虚拟环境
deactivate

3.3 安装相关依赖

pip install h5py  -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install tensorflow==2.11.0  -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install keras==2.11.0  -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install scikit-learn  -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

报错：

(venv) [root@openEuler ECGclassification]# pip install tensorFlow i https://pypi.tuna.tsinghua.edu.cn/simple Collecting https://pypi.tuna.tsinghua.edu.cn/simple Downloading https://pypi.tuna.tsinghua.edu.cn/simple (32.5 MB) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 32.5/32.5 MB 1.1 MB/s eta 0:00:00 ERROR: Cannot unpack file /tmp/pip-unpack-s5nhhe64/simple.html (downloaded from /tmp/pip-req-build-89nbvw_j, content-type: text/html); cannot detect archive format ERROR: Cannot determine archive format of /tmp/pip-req-build-89nbvw_j

安装包名大小写敏感，更改正确！

解决方式：

sudo yum install hdf5-devel

再次安装tensoflow成功

四、心电疾病分类任务介绍及移植深度学习模型

依据采集的单导联心电数据，构建的深度学习模型进行数据训练，基于训练生成的模型对心电数据进行疾病的分类任务（多分类-具体为7分类）。将该模型部署于该开发板上进行运行测试。

执行模型：

python3 ./PredictOnly.py

报错：

model = tf.keras.models.load_model(model_path) File "/usr/local/lib/python3.9/site-packages/keras/src/saving/saving_api.py", line 193, in load_model raise ValueError( ValueError: File format not supported: filepath=save/CNN. Keras 3 only supports V3 `.keras` files and legacy H5 format files (`.h5` extension). Note that the legacy SavedModel format is not supported by `load_model()` in Keras 3. In order to reload a TensorFlow SavedModel as an inference-only layer in Keras 3, use `keras.layers.TFSMLayer(save/CNN, call_endpoint='serving_default')` (note that your `call_endpoint` might have a different name).

原因是安装TensorFlow版本不对，将2.16.0降到2.11.0后，以及keras从3.3.0降到2.9.0后正常。

模型为：CNN架构

模型大小：pd格式，40Mb左右。

五、测试结果

5.1 以pd格式的模型加载进行预测结果对比

1）在R900p电脑上运行

执行时间1.04s

2）在该板子上的执行时间：

执行时间3.48s：

5.2 以pd格式的模型转换为tflite格式并进行预测结果对比

1）在R900p电脑上运行

执行时间0.08s