【CANN训练营笔记】AscendCL图片分类应用（C++实现）

本文主要是介绍【CANN训练营笔记】AscendCL图片分类应用（C++实现），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

样例介绍

基于PyTorch框架的ResNet50模型，对*.jpg图片分类，输出各图片所属分类的编号、名称。

环境介绍

华为云AI1s
CPU：Intel® Xeon® Gold 6278C CPU @ 2.60GHz
内存：8G
NPU：Ascend 310

环境准备

下载驱动

wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/Ascend%20HDK/Ascend%20HDK%2023.0.2.1/A300-3010-npu-driver_23.0.0_linux-x86_64.run --no-check-certificate

安装驱动

下载CANN8.0

wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/Milan-ASL/Milan-ASL%20V100R001C17SPC703/Ascend-cann-toolkit_8.0.RC1.alpha003_linux-x86_64.run --no-check-certificate

安装CANN

bash Ascend-cann-toolkit_8.0.RC1.alpha003_linux-x86_64.run --full

克隆代码仓

git clone https://gitee.com/ascend/samples.git

进入文件夹

cd samples/inference/modelInference/sampleResnetQuickStart/cpp

安装依赖

apt-get install libopencv-dev

样例运行

获取PyTorch框架的ResNet50模型（onnx）

cd model
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/resnet50/resnet50.onnx --no-check-certificate

转换为昇腾AI处理器能识别的模型（om）

atc --model=resnet50.onnx --framework=5 --output=resnet50 --input_shape="actual_input_1:1,3,224,224"  --soc_version=Ascend310

atc命令中各参数的解释如下，详细约束说明请参见《ATC模型转换指南》。

• model：ResNet-50网络的模型文件的路径。
• framework：原始框架类型。5表示ONNX。
• output：resnet50.om模型文件的路径。请注意，记录保存该om模型文件的路径，后续开发应用时需要使用。
• input_shape：模型输入数据的shape。
• soc_version：昇腾AI处理器的版本。

获取测试图片数据

cd ../data 
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg --no-check-certificate

若需更换测试图片，则需自行准备测试图片，并将测试图片放到data目录下
编译样例

cd ../scripts 
bash sample_build.sh

运行样例

bash sample_run.sh

输出图片

代码逻辑详解（C&C++语言）

这篇关于【CANN训练营笔记】AscendCL图片分类应用（C++实现）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---