MMS 使用 & 提前获取预览版块模型
使用 mms 需要 Model Farm 账号登录，请访问 Model Farm 账号注册
系统依赖配置
配置 AidLux 依赖源
bash
# 下载正确的公钥
sudo wget -O- https://archive.aidlux.com/ubuntu24/public.key | gpg --dearmor | sudo tee /etc/apt/trusted.gpg.d/private-aidlux.gpg > /dev/null
# 编辑源文件
sudo vim /etc/apt/sources.list.d/private-aidlux.list
#在源文件中填入AidLux 提供的私钥
deb [arch=arm64 signed-by=/etc/apt/trusted.gpg.d/private-aidlux.gpg] https://archive.aidlux.com/ubuntu24 noble main
# 更新缓存
sudo apt update更新完成后，可以通过如下命令获取到AidLux 官方的SDK 依赖
bash
sudo apt list | grep aid | grep unknownbash
# 安装软件
# 必须先安装的，系统不自带
sudo apt install python3 python3-pip libopencv-dev python3-opencv net-tools
# 安装 aidlite 之前必须安装的
sudo apt install aidlux-aistack-base aidrtcm
# 安装 aidlite 及依赖
sudo apt install aid-lms aidlms-sdk aidlite-sdk cmake
sudo apt-get install libfmt-dev nlohmann-json3-dev
sudo apt install aidlite-*
# 支持DSP
sudo apt-get install qcom-fastrpc1
sudo apt-get install qcom-fastrpc-dev
# 安装 aidgen-sdk
sudo apt install aidgen-sdk
# 安装 mms 服务
sudo apt install aid-mms
# 支持 GPU
sudo add-apt-repository ppa:ubuntu-qcom-iot/qcom-noble-ppa
sudo apt install qcom-adreno-cl1
sudo ln -s /usr/lib/aarch64-linux-gnu/libOpenCL.so.1 /usr/lib/aarch64-linux-gnu/libOpenCL.so安装完成后检查系统 /usr/local/share 新增 aidlite 和 aidgen 目录
设备授权
获取设备 SN 码
bash
cat /sys/devices/soc0/serial_number获取授权文件
提供SN号给阿加犀技术人员，生成设备指定 License 文件，放入路径 /etc/opt/aidlux/license/AidLuxLics 下
MMS 使用
MMS 是针对阿加犀开发板用户提供的组件，可以通过命令行方式登录到 Model Farm 并且查询和下载模型文件，具体流程如下：
- 登录
bash
mms login
# Enter your username:
# Enter your password:
# 输入正确的账号密码后会提示
# Login successfully.- 模型查询
bash
# 列出所有模型
mms list
# 根据模型名查找模型
mms list yolo
Model Precision Chipset Backend
----- --------- ------- -------
YOLO-NAS-l FP16 Qualcomm QCS8550 QNN2.29
YOLO-NAS-l INT8 Qualcomm QCS6490 QNN2.29
YOLO-NAS-l INT8 Qualcomm QCS8550 QNN2.29
YOLO-NAS-l W8A16 Qualcomm QCS6490 QNN2.29
YOLO-NAS-l W8A16 Qualcomm QCS8550 QNN2.29
YOLO-NAS-m FP16 Qualcomm QCS8550 QNN2.29
YOLO-NAS-m INT8 Qualcomm QCS6490 QNN2.29
YOLO-NAS-m INT8 Qualcomm QCS8550 QNN2.29- 模型下载
bash
# -m: 模型名称
# -p：模型精度
# -c: 芯片
# -b: qnn版本
# 下载 yolov6l 模型，数据精度为 INT8, 针对 QCS8550 芯片平台优化，推理框架为 QNN2.23
mms get -m yolov6l -p int8 -c qcs8550 -b qnn2.23
Downloading model from https://aiot.aidlux.com to directory: /var/opt/modelfarm_models
Downloading [yolov6l_qcs8550_qnn2.23_int8_aidlite.zip] ... done! [40.45MB in 375ms; 81.51MB/s]
Download complete!获取预览版块模型资源
模型广场的预览板块模型不支持网页下载，开发者可以在阿加犀的板卡上，通过 mms 命令下载预览板块模型。以获取 MobileClip2-S3 为例子
- 通过
mms登录
bash
mms login
# Enter your username:
# Enter your password:
# 输入正确的账号密码后会提示
# Login successfully.- 查询模型
bash
mms list mobileclip # 支持关键字搜索
# 会看到如下输出
Model Precision Chipset Backend
----- --------- ------- -------
MobileClip-S2 FP16 Qualcomm QCS8550 QNN2.31
MobileClip2-S3 FP16 Qualcomm QCS8550 QNN2.36- 下载 MobileClip2-S3
bash
# -m: 模型名称
# -p：模型精度
# -c: 芯片
# -b: qnn版本
mms get -m MobileClip2-S3 -p fp16 -c qcs8550 -b qnn2.36
# 模型资源会默认下载到 /var/opt/modelfarm_models