HarmonyOS鸿蒙Next中MindSpore Lite实现图像分类

HarmonyOS鸿蒙Next中MindSpore Lite实现图像分类 问题1：根据官方mindspore-lite-2.3.0-linux-x64.tar.gz工具将(./converter_lite --fmk=ONNX --modelFile=mobilenetv2.onnx --optimize=ascend_oriented --outputFile=mobilenetv2) mobilenetv2.onnx模型转换为mobilenetv2.ms，但我想启用硬件NPU加速，可当我在转换过程中设置–optimize=ascend_oriented会失败(其他参数均可以成功none、general、gpu_oriented)。[mobilenetv2.onnx模型是我通过torchvision.models.mobilenet_v2(weights=‘DEFAULT’)下载并导出为.onnx,输入形状为（1, 3, 224, 224）]

报错信息如下：

./converter_lite --fmk=ONNX --modelFile=…/…/…/…/mobilenetv2.onnx --outputDataFormat=NCHW --optimize=ascend_oriented --outputFile=mobilenetv2 [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.620 [mindspore-lite/src/extendrt/cxx_api/dlutils.h:77] FindSoPath] Could not find target so libascend_pass_plugin.so in /home/chenben/workspace/HarmonyOS_ai/mindspore-lite-2.7.1-linux-x64/tools/converter/lib/ [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.727 [mindspore-lite/tools/converter/adapter/acl/plugin/acl_pass_plugin.cc:58] GetPluginSoPath] Get real path of libascend_pass_plugin.so failed. [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.738 [mindspore-lite/tools/converter/adapter/acl/plugin/acl_pass_plugin.cc:80] CreateAclPassInner] Failed to get path of libascend_pass_plugin.so [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.745 [mindspore-lite/tools/converter/anf_transform.cc:485] RunConvertPass] Failed to create acl pass [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.752 [mindspore-lite/tools/converter/anf_transform.cc:682] RunPass] Run convert pass failed. [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.759 [mindspore-lite/tools/converter/anf_transform.cc:783] TransformFuncGraph] Proc online transform failed. [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.788 [mindspore-lite/tools/converter/anf_transform.cc:894] Transform] optimizer failed. [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.796 [mindspore-lite/tools/converter/converter_funcgraph.cc:646] Optimize] Transform anf graph failed. [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.809 [mindspore-lite/tools/converter/converter.cc:1211] HandleGraphCommon] Optimize func graph failed: -2 NULL pointer returned. [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.819 [mindspore-lite/tools/converter/converter.cc:1160] Convert] Handle graph failed: -2 NULL pointer returned. [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.827 [mindspore-lite/tools/converter/converter.cc:1353] RunConverter] Convert model failed [ERROR] LITE(3838,7faabb570f40,converter_lite):2026-01-21-18:03:33.161.837 [mindspore-lite/tools/converter/cxx_api/converter.cc:361] Convert] Convert model failed, ret=NULL pointer returned.


更多关于HarmonyOS鸿蒙Next中MindSpore Lite实现图像分类的实战教程也可以访问 https://www.itying.com/category-93-b0.html

8 回复

【解决方案】

开发者你好，根据您提供的报错信息来看，是因为–optimize不属于端侧可使用的参数，不需要使用–optimize参数，optimize参数是针对云侧lite的，参考使用MindSpore Lite进行模型转换的参数说明。

更多关于HarmonyOS鸿蒙Next中MindSpore Lite实现图像分类的实战系列教程也可以访问 https://www.itying.com/category-93-b0.html


谢谢您，是的，后面我发现这个问题了。但我有个疑问，MindSpore Lite转换后的模型是否支持NNRT加速推理是由什么决定？为何有的模型不支持NNRT只支持CPU？我要如何才能使得模型100%执行NNRT推理？我参考官方文档，貌似是需要源码编译转换工具，如下是官方的说明：

当指定NPU后端进行推理时，需要自定义关闭clip算子融合，模型转换工具需要通过源码编译方式获取。否则可能会发生类似报错：BuildKirinNPUModel# Create full model kernel failed。

开发者你好，是因为有的算子在NPU上目前无法支持，模型中某些算子在NPU上存在兼容性限制，会把整图或者一部分子图回退到CPU上执行，另外模型中某些算子的数据类型在NPU上也存在兼容性限制，而且模型如果是动态shape一些算子在NPU上也会回退。 要让模型100%执行NNRT推理，需要模型中避免使用NPU上存在兼容性限制的算子和数据类型。 具体支持的算子列表参考昇思大模型开源社区文档：https://www.mindspore.cn/lite/docs/zh-CN/r2.7.1/reference/operator_list_lite.html。

期待HarmonyOS能在未来带来更多创新的技术和理念。

您好，谢谢，了解了，感谢您的耐心指导

1

HarmonyOS Next中，MindSpore Lite通过加载预训练的模型文件（如.ms格式）实现图像分类。开发时需在模块级build.gradle中引入MindSpore Lite依赖。核心流程包括：初始化模型、创建张量输入、执行推理以及解析输出结果。图像数据需预处理为模型要求的格式（如归一化、调整尺寸）。该框架支持CPU/GPU/NPU异构调度，可直接调用鸿蒙NDK接口完成计算。

根据你提供的错误信息，核心问题是转换工具无法找到NPU（Ascend）相关的插件库 libascend_pass_plugin.so。这通常是因为你使用的MindSpore Lite转换工具包（x86_64 Linux版本）默认不包含或未正确配置Ascend后端的支持。

问题分析：

  1. 工具包兼容性：你下载的 mindspore-lite-2.3.0-linux-x64.tar.gz 是通用的Linux x86_64版本。要在模型转换阶段启用 --optimize=ascend_oriented 优化（针对华为Ascend NPU），需要使用包含Ascend后端支持的特定版本转换工具。
  2. 缺失插件：错误日志明确指出在工具包的 lib/ 目录下找不到 libascend_pass_plugin.so 文件。这个插件是负责将模型算子转换、优化为能在NPU上高效运行的格式的关键组件。

解决方案： 你需要获取并部署支持Ascend NPU的MindSpore Lite转换工具。

  1. 获取正确的工具包：

    • 访问 MindSpore Lite官方发布页面（通常与HarmonyOS Next或Ascend AI处理器相关的资源一起发布）。
    • 寻找明确标注支持 “Ascend” 或 “NPU” 的Linux版本转换工具包。其命名可能类似于 mindspore-lite-{version}-linux-x64-ascend.tar.gz 或包含在更大的AI工具套件中。
    • 注意：确保该工具包的版本（如2.3.0）与你后续在HarmonyOS Next应用开发中使用的MindSpore Lite推理运行时版本兼容。

  2. 部署与验证：

    • 下载正确的工具包后，解压并替换或使用其中的 converter_lite 可执行文件及配套的 lib/ 目录内容。
    • 确保 libascend_pass_plugin.so 存在于 tools/converter/lib/ 或指定的库路径下。
    • 重新运行你的转换命令。

补充说明：

  • --optimize=ascend_oriented 参数的目的是在模型转换阶段就进行针对NPU硬件特性的优化（如算子选择、融合、量化等），生成一个能充分发挥NPU性能的 .ms 模型文件。如果缺少对应后端的插件，此优化流程无法执行。
  • 成功转换后，在HarmonyOS Next应用中使用此 .ms 模型进行推理时，也需要确保你的应用工程中集成了支持Ascend NPU的MindSpore Lite推理库，并在代码中正确指定推理上下文（Context）以使用NPU设备（deviceType: lite::DT_ASCEND 或类似配置）。

请根据上述方向，检查并获取正确的工具资源。

回到顶部