前言

老师在进阶班课程中讲解了一个课程实例，讲的是基于Caffe ResNet-50网络实现图片分类，而且步骤比较基础和重要，在此记录下来。

架结构

这个可以直接在源文件中的readme中查看得到，对源文件的每一个文件夹都有着详细的讲解。

案例目标

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：

• 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。
• 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。

准备工作

        查看SSH配置

 确认无误后进行下一步

        点击Tools-Start SSH session

         控制远程远端的terminal

         创建一个名为test1的文件夹并进入

mkdir test1
cd test1

下载模型文件、权重文件

wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.prototxt --no-check-certificate
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.caffemodel --no-check-certificate

 转换为离线om模型

按照图片进行操作

选择刚下载好的文件

 修改路径名称后，正常

开始模型转换

 

 转换成功，记住最终的文件路径

 图片jpg转换为bin格式

在resnet50_imagenet_classification下新建model文件夹

 

在resnet50_imagenet_classification下新建model文件夹

 

下载两张图片放入data文件夹 

https://obs-9be7.obs.cn-east2.myhuaweicloud.com/models/aclsample/dog1\_1024\_683.jpg

https://obs-9be7.obs.cn-east2.myhuaweicloud.com/models/aclsample/dog2\_1024\_683.jpg

 

 进入data文件夹

cd .\cplusplus\level2_simple_inference\1_classification\resnet50_imagenet_classification\data

进入build配置，到远端执行

 

进行远程编译

 File-Setting中找到远端工程地址

’

 

进入该目录

/root/tmp/18d49515-4b15-4c11-b057-d61fd5cfe553

输入代码将图片从jpg转换为bin格式

cd data/
python3 ../script/transferPic.py 

 远端服务器运行cmake

 

用命令行运行

./main

最终结果