NCNN（1）--添加对新网络支持教程（LeNet为例）

ncnn框架目前自带支持以下网络：

Faster R-CNN
MobileNet-SSD
SqueezeNet
SqueezeNet-SSD
YOLOv2

具体实现在路径/ncnn-master/examples/

1、要运行LeNet，就需要参考其它模型写一个lenet.cpp文件，内容如下：

#include 
#include 
#include 
#include 
#include 
#include
#include

using namespace std;

#include "net.h"

static int prob_net(const cv::Mat& img, std::vector& cls_scores)
{
    ncnn::Net net;
    net.load_param("lenet.param");
    net.load_model("lenet.bin");

    int img_width     = img.cols; // image width
    int img_height    = img.rows; // image height
    int target_width  = 28;       // target resized width
    int target_height = 28;       // target resized height
    printf("test image size: %d %d\n", img_width, img_height);
    
    // lenet使用mnist为灰度图，所以这里ncnn::Mat::PIXEL_BGR2GRAY
    // 如果输入图像为3通道，则ncnn的输入在这里需要将cv::imread读到的BGR转为RGB，使用ncnn::Mat::PIXEL_BGR2RGB
    ncnn::Mat in = ncnn::Mat::from_pixels_resize(img.data, ncnn::Mat::PIXEL_BGR2GRAY, img_width, img_height, target_width, target_height);
    
    // 输入图片归一化
    const float mean_vals[1] = {0};
    const float norm_vals[1] = {0.00390625f};
    in.substract_mean_normalize(mean_vals, norm_vals);
    
    ncnn::Mat out;
    ncnn::Extractor ex = net.create_extractor();

    ex.set_light_mode(true);
    ex.input("data", in);
    ex.extract("prob", out);
    
    cls_scores.resize(out.w);
    // printf("%d\n", out.w);
    for (int j=0; j& cls_scores, int topk)
{
    // partial sort topk with index
    int size = cls_scores.size();
    std::vector< std::pair > vec;
    vec.resize(size);
    for (int i=0; i >());

    // print topk and score
    for (int i=0; i cls_scores;
    prob_net(m, cls_scores);
    print_topk(cls_scores, 10);

    return 0;
}

2、然后，修改CMakeList.txt文件，添加以下内容：

add_executable(lenet lenet.cpp)
target_link_libraries(lenet ncnn ${OpenCV_LIBS})

3、重新编译ncnn

ncnn根目录下执行命令，重新编译：

cd build
cmake ..
make -j8

4、运行LeNet

在路径/ncnn-master/build/examples下执行命令：
./lenet a0_3.bmp