AscendCL样例工程使用指导

功能描述

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。

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（*.om文件），在样例中，加载该om文件，对2张*.jpg图片进行同步推理，分别得到推理结果后，再对推理结果进行处理，输出top5置信度的类别标识。

图1 Sample示例

原理介绍

在该Sample中，涉及的关键功能点，如下表所示（以C++接口为例）。API接口的详细介绍请参见《应用软件开发指南（C&C++）》或《应用软件开发指南（Python）》。

// print the top 5 confidence values with indexes.use function DumpModelOutputResult
// if want to dump output result to file in the current directory
processModel.DumpModelOutputResult();
processModel.OutputModelResult();

ACL ResNet-50(C++)使用指导

1. 用户可以创建应用工程，请参见新建应用工程创建ACL ResNet-50(C++)样例工程。
2. 准备模型文件和数据。
   1. 获取模型文件。
      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MindStudio安装用户将获取的文件上传至MindStudio安装服务器同一目录下。

      • 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。
   2. 转换模型。

      在添加模型文件前，您需要先进行模型转换将第三方模型转换为适配昇腾AI处理器的离线模型（*.om文件）。模型转换功能介绍详情请参见模型转换。

      1. 在MindStudio顶部菜单栏找到并单击“Ascend > Model Converter”，进入“Model Converter”功能。
      2. 填写模型转换信息，参考如下。
         • Model File：选择已上传的ResNet-50网络的模型文件（*.prototxt）。
         • Weight File：选择已上传的ResNet-50网络的权重文件（*.caffemodel）。
         • Model Name：模型名称，本次步骤以“resnet50”为例。
         • Target SoC Version：请以实际情况选择。
         • OutputPath：选择转换后的（.om）模型输出目录（默认输出路径“$HOME/modelzoo/${Model Name}/${Target SoC Version}/”）。
      3. 单击“Next”，本次样例在“Data Pre-Processing”功能不进行配置，继续单击“Next”进入下一步。
      4. 在“Advanced Options Preview”页面下，可通过“Command Preview”检查配置后生成的模型转换命令，确认后单击“Finish”，开始模型转换。
   3. 添加模型文件。
      请用户自行将模型om文件上传到“工程文件根目录/model”文件夹下。添加模型文件后，可按如下目录在“Project”窗口查看模型文件。

      ├── 工程名
      │   ├── model          
      │   │   ├──resnet50.om           //模型文件。

   4. 准备推理数据，请通过以下链接获取该样例的输入图片，根据实际使用场景进行操作。
      图片获取链接：数据图片1、数据图片2。

      • Linux使用场景。
        1. 以运行用户将获取的文件上传至开发环境的“工程目录/data”目录下。如果目录不存在，需自行创建。
        2. 以运行用户登录开发环境。
        3. 通过以下任意一种方式处理图片数据。
           1. 参见Python SDK依赖设置，配置Python解析器。在MindStudio的工程目录下找到“script/transferPic.py”选中并右键，在弹出的菜单中，选择“Run‘transferPic’”，在弹出的运行配置中编辑“Working directory”配置为“工程目录/data”。配置完成，单击“OK”，再次右键单击“transferPic.py”选择“Run‘transferPic’”。
           2. 切换到“工程目录/data”目录下，执行“transferPic.py”脚本。

              python3 ../script/transferPic.py

           将*.jpg转换为*.bin，同时将图片从1024 * 683的分辨率缩放为224 * 224。在“工程目录/data”目录下生成2个*.bin文件。

           

           如果执行脚本出现以下报错，则表示缺少Pillow库，请使用pip3 install Pillow --user命令安装Pillow库。

           ModuleNotFoundError: No module named 'PIL'

      • Windows使用场景。
        1. 获取图片后，可以执行以下步骤转换图片格式，以图片存放在“C:\Users\user1\AscendProjects\MyApp1\data”路径为例。
        2. 打开系统命令提示符。
        3. 执行以下命令进入工程文件下“C:\Users\user1\AscendProjects\MyApp1\data”。

           cd C:\Users\user1\AscendProjects\MyApp1\data

        4. 执行以下命令转换图片格式。

           python ..\script\transferPic.py

3. 编译应用工程。
   在MindStudio工程界面，顶部菜单栏中单击“Build > Edit Build Configuration...”，进入编译配置页面。

   1. 配置编译参数，单击添加新增配置。
      列表中带有“(default)”标记的配置项为当前默认配置项，如需进行变更，可选中所需配置项，并单击进行切换。

      图2 编译配置
      

      表1 编译配置参数说明

      参数配置	参数说明
      Name	编译配置的名称。
      Build Type	配置类型，可选：“Debug”或“Release”。
      Toolchain	工具链配置器，配置详情请参见Toolchains，支持本地和远程编译功能。
      CMake options	CMake选项，默认：“-DCMAKE_BUILD_TYPE=Debug -DCMAKE_SKIP_RPATH=TRUE”。
      Build directory	编译目录相对路径，该路径是相对于工程目录的路径。
      Build options	编译加速选项。
      Environment Variables	环境变量配置。 可直接手动配置或单击符号，在弹出窗中配置管理。

   2. 单击“OK”保存编译工程。
4. 开始编译。

   在MindStudio工程界面，顶部菜单栏中单击“Build > Build CMake Project”。

5. 运行应用工程。

   在MindStudio工程界面，顶部菜单栏中单击“Run > Edit Configuration...”，进入编译配置页面。

   单击右上角“+”，新建“CMake Application”运行配置项，参考以下步骤进行配置。

   1. 配置运行参数。
      图3为Linux使用场景配置示例。配置完成后，单击“OK”，关闭运行配置窗口。（由于样例工程中使用了相对路径，“Working Directory”请选择可执行文件“main”所在的目录。）

      图3 运行参数配置
      
   2. 在MindStudio工程界面，顶部菜单栏中单击“Run > Run...”。在弹出框中选择已创建好的运行配置信息，运行应用。

      运行结果示例如图4，index及其value会根据运行环境的实际情况有所不同：

      图4 运行结果
      
      如果运行过程中有错误提示，且需要查看运行环境的详细日志时，请参见《日志参考》：

      • 可参见“日志文件介绍”查看日志，日志文件路径默认为“$HOME/ascend/log ”。
      • 可参见“设置日志级别”查看或修改日志级别（默认为ERROR）。

ACL ResNet-50(Python)使用指导

1. 请参见新建应用工程创建ACL ResNet-50(Python)样例工程。
2. 准备模型文件和数据。
   1. 获取模型文件。
      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MindStudio安装用户将获取的文件上传至MindStudio安装服务器同一目录下。

      • 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。
   2. 转换模型。

      在添加模型文件前，您需要先进行模型转换将第三方模型转换为适配昇腾AI处理器的离线模型（*.om文件）。模型转换功能介绍详情请参见模型转换。

      1. 在MindStudio顶部菜单栏找到并单击“Ascend > Model Converter”，进入“Model Converter”功能。
      2. 填写模型转换信息，参考如下。
         • Model File：选择已上传的ResNet-50网络的模型文件（*.prototxt）。
         • Weight File：选择已上传的ResNet-50网络的权重文件（*.caffemodel）。
         • Model Name：模型名称，本次步骤以“resnet50”为例。
         • Target SoC Version：请以实际情况选择。
         • OutputPath：选择转换后的（.om）模型输出目录（默认输出路径“$HOME/modelzoo/${Model Name}/${Target SoC Version}/”）。
      3. 单击“Next”，本次样例在“Data Pre-Processing”功能不进行配置，继续单击“Next”进入下一步。
      4. 在“Advanced Options Preview”页面下，可通过“Command Preview”检查配置后生成的模型转换命令，确认后单击“Finish”，开始模型转换。
   3. 添加模型文件。
      请用户自行将模型om文件上传到“工程文件根目录/model”文件夹下。添加模型文件后，可按如下目录在“Project”窗口查看模型文件。

      ├── 工程名
      │   ├── model          
      │   │   ├──resnet50.om           //模型文件。

   4. 准备推理数据，请通过以下链接获取该样例的输入图片，根据实际使用场景进行操作。
      图片获取链接：数据图片1、数据图片2。

      • Linux使用场景。

        以运行用户将获取的文件上传至开发环境的“工程目录/data”目录下。如果目录不存在，需自行创建。

      • Windows使用场景。

        获取图片后，将图片存放在本地路径“工程目录/data”目录下（以“C:\Users\user1\AscendProjects\MyApp1\data”路径为例）。

3. 运行应用工程（如需配置Python解析器，请参见Python SDK依赖设置）。
   在MindStudio工程界面，顶部菜单栏中单击“Run > Edit Configuration...”，进入编译配置页面。

   1. 配置运行参数。
      图5为Linux使用场景配置示例，配置完成后，单击“Apply”保存运行配置，单击“OK”，关闭运行配置窗口。

      图5 运行参数配置
      
   2. 在MindStudio工程界面，顶部菜单栏中单击“Run > Run...”。在弹出框中选择已创建好的运行配置信息，运行应用。

      运行结果示例如图6，“index”及其“value”会根据运行环境的实际情况有所不同：

      图6 运行结果
      
      如果运行过程中有错误提示，且需要查看运行环境的详细日志时，请参见《日志参考》：

      • 可参见“日志文件介绍”查看日志，日志文件路径默认为“$HOME/ascend/log ”。
      • 可参见“设置日志级别”查看或修改日志级别（默认为ERROR）。