开启Notebook

开发平台-AI Notebook-选择“NPU环境”，点击“立即启动”

预装镜像：euler2.9-py310-torch2.1.0-cann8.0-openmind0.9.1-notebook

关联模型：YOLOV9_for_PyTorch

等待环境启动完成点击“查看Notebook”，进入Notebook开发环境

点击“+”，选择“笔记本”

执行代码

# 安装依赖
!pip install -r /mnt/workspace/model/YOLOV9_for_PyTorch/requirements.txt

步骤 1：初始化环境与路径

首先，我们需要进入代码目录，并确认 NPU 是否正常工作。

import os
import torch
import torch_npu  # 关键：导入华为 NPU 适配库
from IPython.display import Image, display

# 1. 定位到您的 YOLOv9 项目路径
# 根据您提供的 ls 信息，这是绝对路径
project_path = "/mnt/workspace/model/YOLOV9_for_PyTorch"

if os.path.exists(project_path):
    os.chdir(project_path)
    print(f"✅ 已切换工作目录至: {os.getcwd()}")
else:
    print(f"❌ 路径不存在，请检查: {project_path}")

# 2. 检查 NPU 状态
# 910B 应该显示为可用
if torch.npu.is_available():
    npu_name = torch.npu.get_device_name(0)
    print(f"🚀 NPU 状态: 正常 | 设备型号: {npu_name}")
    device_arg = "npu" # 用于后续命令的参数
else:
    print("⚠️ 未检测到 NPU，将使用 CPU（速度较慢）")
    device_arg = "cpu"

运行结果：

步骤 2：准备模型权重

checkpoints 目录可能为空。我们需要下载官方的 YOLOv9 权重文件（例如 yolov9-c.pt）来进行测试。

# 检查是否有权重文件，如果没有则下载
weights_path = "checkpoints/yolov9-c-converted.pt"

if not os.path.exists(weights_path):
    print("📥 正在下载 yolov9-c.pt 权重文件...")
    # 使用 wget 下载官方权重到 checkpoints 文件夹
    !wget -P checkpoints https://github.com/WongKinYiu/yolov9/releases/download/v0.1/yolov9-c.pt
    print("✅ 下载完成")
else:
    print(f"✅ 权重文件已存在: {weights_path}")

运行结果：

步骤 3：准备测试图片

我们需要一张图片来测试。YOLO 项目通常在 data/images 下自带图片（如 horses.jpg 或 bus.jpg）。如果没有，我们手动下载一张。

test_image = "data/images/horses.jpeg"

# 如果自带图片不存在，下载一张测试图
if not os.path.exists(test_image):
    if not os.path.exists("data/images"):
        os.makedirs("data/images")
    !wget -O {test_image} https://github.com/WongKinYiu/yolov9/raw/main/data/images/horses.jpg
    print("📥 已下载测试图片")

print("👀 原始图片预览:")
display(Image(filename=test_image, width=400))

运行结果：

步骤 4：开始推理

执行下面的代码开始推理

# 运行检测脚本
# --weights: 权重文件路径
# --source: 测试图片路径
# --device: 指定使用 'npu' (如果是 0 号设备通常也可以写 0)
# --project: 结果保存的主目录
# --name: 结果保存的子目录

print(f"🔥 开始在 {device_arg} 上进行推理...")

!python detect.py \
    --weights checkpoints/yolov9-c-converted.pt \
    --source data/images/horses.jpeg \
    --device 0 \
    --project runs/detect \
    --name exp_demo \
    --exist-ok

print("✅ 推理结束！")

运行结果：

步骤 5：查看结果

推理完成后，YOLO 会把画好框的

图片保存在 runs/detect/exp_demo 目录下。我们来显示它。

import glob

# 查找生成的图片（文件名可能不变）
# runs/detect/exp_demo/horses.jpg
result_image_path = f"runs/detect/exp_demo/{os.path.basename(test_image)}"

if os.path.exists(result_image_path):
    print("🎉 检测结果如下 (YOLOv9 + NPU 910B):")
    display(Image(filename=result_image_path, width=600))
else:
    print("⚠️ 未找到结果图片，请检查步骤 4 的输出日志是否有报错。")

运行结果：