中文|English
CANN AscendCL（Ascend Computing Language）提供Device管理、Context管理、Stream管理、内存管理、模型加载与执行、算子加载与执行、媒体数据处理等C语言API库供用户开发深度神经网络应用，用于实现目标识别、图像分类等功能。用户可以通过第三方框架调用AscendCL接口，以便使用昇腾AI处理器的计算能力；用户还可以使用AscendCL封装实现第三方lib库，以便提供昇腾AI处理器的运行管理、资源管理能力。
昇腾样例仓就是以CANN AscendCL接口进行开发，制作的一系列给开发者进行参考学习的样例。在开发者朋友们开发自己的样例时，也可以就样例仓的相关案例进行参考。
请在硬件平台页面选择您使用的产品后，通过下拉框选择支持的CANN版本并查看配套关系。
-
当前分支样例版本适配说明如下：
CANN版本 >=6.0.RC1.alpha005 -
历史版本请参考下表使用对应发行版：
-
历史版本操作说明
tag：对某一时间点的代码仓打标签，在发布某个软件版本（比如 v0.1.0 等等）时使用tag标签，给仓库中的项目添加tag。可以理解为某一时刻的不会变化的分支。
Realease：基于tag，为tag添加更丰富的信息，一般是编译好的文件。- 用户可以在仓库的分支切换框中选择对应的标签（tag）从而查看对应版本的代码及readme。
- 用户可以下载realease提供的编译好的文件（Source code）进行代码使用。
- 如果需要在命令行访问tag代码，可以按照如下方式操作。
# 命令行下载master代码 git clone https://github.com/Ascend/samples.git # 切换到历史tag，以v0.1.0举例 git checkout v0.1.0
| 目录 | 说明 |
|---|---|
| common | samples仓公共文件目录 |
| cplusplus | samples仓C++样例目录 |
| python | samples仓python样例目录 |
| st | samples仓样例测试用例目录 |
根据设备形态按按照如下步骤搭建环境：
-
Atlas200DK:
(1) 在硬件产品文档中选择AI开发者套件文档，点击环境部署进入文档。
(2) 根据安装部署流程章节了解整体流程并根据文档进行硬件及CANN软件安装。 -
Atlas300（ai1s）:
(1) 在开发者文档（社区版）中选择环境部署文档 ，点击CANN软件安装进入文档。
(2) 选择安装驱动和固件章节，按照要求进行固件与驱动的安装。
(3) 选择安装开发环境章节，按找要求根据需要安装依赖及CANN软件包。
根据以下表单，选择需要运行的样例，并按照readme进行第三方依赖的安装及样例下载运行
| 样例名称 | 语言 | 适配CANN版本 | 简介 |
|---|---|---|---|
| DVPP接口样例 | c++ | >=5.0.4 | 调用dvpp的相关接口，实现图像处理。包含crop/vdec/venc/jpegd/jpege/resize/batchcrop/cropandpaste等功能。 |
| 自定义算子样例 | c++ | >=5.0.4 | 自定义算子运行验证，包含Add算子/batchnorm算子/conv2d算子/lstm算子/matmul算子/reshape算子等运行验证。 |
| 200DK外设样例 | c++ | >=5.0.4 | 200DK外设接口相关案例，包含 对GPIO的引脚做配置/使用i2c读写数据/使用uart1串口收发数据/使用摄像头拍摄照片或视频 等功能。 |
| C++分类样例 | c++ | >=5.0.4 | 使用googlenet/ResNet-50模型对输入数据进行分类推理。包含 图片/视频/动态batch/多batch/视频码流/通用摄像头 等多种特性样例。 |
| C++检测样例 | c++ | >=5.0.4 | 使用人脸检测/yolov3/yolov4/vgg_ssd/faster_rcnn模型对输入数据进行检测。包含 通用图片/通用视频//视频码流/通用摄像头 等多种特性样例。 |
| C++自然语言处理样例 | c++ | >=5.0.4 | 使用nlp模型对输入数据进行推理。 |
| C++其它样例 | c++ | >=5.0.4 | 其他模型推理样例，包含黑白图像上色，超分，图像增强等 |
| C++多线程样例 | c++ | >=5.0.4 | 使用yolov3，人脸检测等模型对输入数据进行多线程推理的样例。 |
| C++用户贡献样例 | c++ | >=5.0.4 | 用户贡献的推理样例。 |
| python分类样例 | python | >=5.0.4 | 使用googlenet/inceptionv3/vgg16模型对输入数据进行分类推理。 |
| python检测样例 | python | >=5.0.4 | 使用人脸检测/yolov3/yolov4模型对输入数据进行检测。 |
| python分割样例 | python | >=5.0.4 | 使用分割模型对输入图片进行分割。 |
| python自然语言处理样例 | python | >=5.0.4 | 使用nlp模型对输入数据进行推理。 |
| python其它样例 | python | >=5.0.4 | 其他模型推理样例，包含黑白图像上色，图像修复等。 |
| 从训练到推理端到端样例 | python | >=5.0.4 | 从训练到部署端到端样例指导，包含口罩识别，垃圾分类，猫狗大战等指导。 |
| python行业样例 | python | >=5.0.4 | 较为复杂的样例，结合硬件或使用多模型多线程样例。如去除图像的指定前景目标样例，机械臂样例等。 |
| python用户贡献样例 | python | >=5.0.4 | 用户贡献的推理样例。 |
参考社区网站昇腾文档获取相关文档。
昇腾社区鼓励开发者多交流，共学习。开发者可以通过以下渠道进行交流和学习。
昇腾社区网站：hiascend.com
昇腾论坛：https://www.hiascend.com/forum/ 昇腾官方qq群：965804873
欢迎参与贡献。更多详情，请参阅我们的贡献者Wiki。