【CANN训练营】【新手班】直播课中基于Caffe ResNet-50网络实现图片分类（仅推理）任务实操笔记

 一、任务描述

该样例主要是基于Caffe ResNet-50网络（单输入、单Batch）实现图片分类的功能。

在该样例中：

1. 先使用样例提供的脚本transferPic.py，将2张*.jpg图片都转换为*.bin格式，同时将图片从1024*683的分辨率缩放为224*224。

2. 加载离线模型om文件，对2张图片进行同步推理，分别得到推理结果，再对推理结果进行处理，输出top5置信度的类别标识。

   在加载离线模型前，提前将Caffe ResNet-50网络的模型文件转换为适配昇腾AI处理器的离线模型。

   任务资源链接：

   samples: CANN Samples - Gitee.com

二、具体实操

1、申请华为云服务器

2、下载任务资源仓中的样例代码

下载完成

定位到样例目录

3、准备ResNet-50模型。

1. 获取ResNet-50原始模型。

   您可以从以下链接中获取ResNet-50网络的模型文件（*.prototxt）、预训练模型文件（*.caffemodel），并以运行用户将获取的文件上传至开发环境的“样例目录/caffe_model“目录下。如果目录不存在，需要自行创建。

   • ResNet-50网络的模型文件（*.prototxt）：https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.prototxt。
   • ResNet-50网络的预训练模型文件（*.caffemodel）：https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.caffemodel。
   • 使用wget命令

2. 将ResNet-50原始模型转换为适配昇腾AI处理器的离线模型（*.om文件）。

   切换到样例目录，执行如下命令(以昇腾310 AI处理器为例)：

   模型转换成功

4、准备测试图片

1. 请从以下链接获取该样例的输入图片，并以运行用户将获取的文件上传至开发环境的“样例目录/data“目录下。如果目录不存在，需自行创建。

   https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg

   

   https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog2_1024_683.jpg

2. 切换到“样例目录/data“目录下，执行transferPic.py脚本，将*.jpg转换为*.bin，同时将图片从1024*683的分辨率缩放为224*224。在“样例目录/data“目录下生成2个*.bin文件。

5、编译运行

 1.设置环境变量，配置程序编译依赖的头文件与库文件路径。

2.切换到样例目录，创建目录用于存放编译文件，例如，本文中，创建的目录为“build/intermediates/host“

3.切换到“build/intermediates/host“目录，执行如下命令生成编译文件。

4.执行如下命令，生成的可执行文件main在“样例目录/out“目录下

5.切换到可执行文件main所在的目录，例如“$HOME/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/out”，运行可执行文件。

三、扩展内容

1、增添两张图片

同上述步骤在data路径中使用wget命令增添两张照片，并转换为.bin格式

https://scpic.chinaz.net/files/pic/pic9/201712/bpic4731.jpg

http://img.2qqtouxiang.com/pic/TP9791_19.jpg

2、修改代码

 1.使用vim命令编辑sample_process.cpp文件

2.增加新增图片路径

3、重新编译运行