使用MindStudio运行样例

以cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification · Ascend/samples - 码云 - 开源中国 (gitee.com)为例

1. 以运行用户登录开发环境。

2. 下载sample仓代码并上传至环境后，请先进入“cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification”样例目录。

   请注意，下文中的样例目录均指“cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification”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）、权重文件（.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）：单击Link下载该文件。
      • ResNet-50网络的权重文件（*.caffemodel）：单击Link下载该文件。

      在mindstudio中应该创建这样的目录结构：

      

   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)：

      atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=model/resnet50 --soc_version=Ascend310 --input_format=NCHW --input_fp16_nodes=data --output_type=FP32 --out_nodes=prob:0

      • –model：原始模型文件路径。

      • –weight：权重文件路径。

      • –framework：原始框架类型。0：表示Caffe；1：表示MindSpore；3：表示TensorFlow；5：表示ONNX。

      • –soc_version：昇腾AI处理器的版本。进入“CANN软件安装目录/compiler/data/platform_config”目录，".ini"文件的文件名即为昇腾AI处理器的版本，请根据实际情况选择。

      • –input_format：输入数据的Format。

      • –input_fp16_nodes：指定输入数据类型为FP16的输入节点名称。

      • –output_type和–out_nodes：这2个参数配合使用，指定prob节点的第一个输出的数据类型为float32。

      • –output：生成的resnet50.om文件存放在“样例目录/model“目录下。建议使用命令中的默认设置，否则在编译代码前，您还需要修改sample_process.cpp中的omModelPath参数值。

        const char* omModelPath = "../model/resnet50.om";

        在mindstudio中，使用Model Converter进行模型转换：

        

        其中--output参数的配置，需要点击Output Path的选项，然后选择输出模型的路径。

        其中--out_nodes=prob:0参数的配置，需要点击select选项，然后查看模型网络图，选择输出的节点：