【CANN训练营第三季】【昇腾AI入门课】【模型转换】基于Caffe ResNet-101网络实现图片分类（仅推理）

样例地址：https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

ResNet101模型地址：https://www.hiascend.com/zh/software/modelzoo/models/detail/1/8bbb7c17dfa94408ab46ea0073fec355

模型转换

1. 下载ResNet-101模型，并移动至指定定目录：resnet50_imagenet_classification样例的caffe_model目录（表示原始模型的存放路径）
2. 模型转换

• 切换至指定目录

cd ~/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

• 执行模型转换

atc --model=caffe_model/resnet101_tf.pb --framework=3 --output=model/resnet101_tf --output_type=FP32 --soc_version=Ascend310 --input_shape="input:1,224,224,3" --log=info

生成测试数据

1. 进入resnet50_imagenet_classification样例的script目录，修改transferPic.py脚本中的如下内容，将float16改为float32

由：

img = img.astype("float16")

转换为：

img = img.astype("float32")

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。

python3 ../script/transferPic.py

调用接口

调用AscendCL接口（例如aclmdlLoadFromFileWithMem接口）加载ResNet-101模型，在src/sample_process.cpp文件中定制代码。

编译代码

1.进入样例目录

cd ~/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

2.设置环境变量

export DDK_PATH=$HOME/Ascend/ascend-toolkit/latest
export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub

3.创建目录用于存放编译文件

mkdir -p build/intermediates/host

4.切换到“build/intermediates/host“目录

cd build/intermediates/host

5.生成编译文件

cd build/intermediates/host
cmake ../../../src -DCMAKE_CXX_COMPILER=g++ -DCMAKE_SKIP_RPATH=TRUE

6.生成可执行文件main

make

运行应用