华为计算微信公众号
昇腾AI开发者公众号
华为计算微博
华为计算今日头条
基于垃圾分类案例
直接看classify_test.py中的main函数了解流程：
acl_resource = AclLiteResource() #创建一个AclResource类的实例 acl_resource.init() ##AscendCL资源初始化（申请device、创建Context、创建Stream） model = AclLiteModel(MODEL_PATH)
这里主要做的事情：
之后是读取需要处理的图像
dvpp = AclLiteImageProc(acl_resource) # 之后使用DVPP处理图像的代码 resized_image = pre_process(image, dvpp) # 这个函数我们再看看它做了什么 def pre_process(image, dvpp): """preprocess""" image_input = image.copy_to_dvpp() yuv_image = dvpp.jpegd(image_input) print("decode jpeg end") resized_image = dvpp.resize(yuv_image, MODEL_WIDTH, MODEL_HEIGHT) print("resize yuv end") return resized_image # 不难看出，做了两件事，使用DVPP的JPEGD接口解码图片， # JPEGD解码出来的是YUV格式。然后将图片进行缩放 # 其中resize的尺寸由全局变量得到 MODEL_WIDTH = 224 MODEL_HEIGHT = 224
这里使用DVPP的JPEGD接口解码图片，JPEGD解码出来的是YUV格式。然后将图片进行缩放。
模型推理
# 用处理后的图片作为输入，使用模型进行推理并得到推理结果 result = model.execute([resized_image,])
后处理 得到模型推理结果后只是一些向量数字，数字的大小代表了属于不同类的概率，选择最大置信度即可。
post_process(result, image_file) def post_process(infer_output, image_file): print("post process") data = infer_output[0] vals = data.flatten() top_k = vals.argsort()[-1:-6:-1] # 排序结果 object_class = get_image_net_class(top_k[0]) #选择置信度最高的结果 output_path = os.path.join(os.path.join(SRC_PATH, "../out"), os.path.basename(image_file)) origin_image = Image.open(image_file) draw = ImageDraw.Draw(origin_image) font = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf", size=20) font.size =50 draw.text((10, 50), object_class, font=font, fill=255) #将预测的结果放置到图片上 origin_image.save(output_path) object_class = get_image_net_class(top_k[0]) return
我要发帖子
点赞
收藏
回复
分享
举报
基于垃圾分类案例
直接看classify_test.py中的main函数了解流程：
acl_resource = AclLiteResource() #创建一个AclResource类的实例 acl_resource.init() ##AscendCL资源初始化（申请device、创建Context、创建Stream） model = AclLiteModel(MODEL_PATH)这里主要做的事情：
之后是读取需要处理的图像
dvpp = AclLiteImageProc(acl_resource) # 之后使用DVPP处理图像的代码 resized_image = pre_process(image, dvpp) # 这个函数我们再看看它做了什么 def pre_process(image, dvpp): """preprocess""" image_input = image.copy_to_dvpp() yuv_image = dvpp.jpegd(image_input) print("decode jpeg end") resized_image = dvpp.resize(yuv_image, MODEL_WIDTH, MODEL_HEIGHT) print("resize yuv end") return resized_image # 不难看出，做了两件事，使用DVPP的JPEGD接口解码图片， # JPEGD解码出来的是YUV格式。然后将图片进行缩放 # 其中resize的尺寸由全局变量得到 MODEL_WIDTH = 224 MODEL_HEIGHT = 224这里使用DVPP的JPEGD接口解码图片，JPEGD解码出来的是YUV格式。然后将图片进行缩放。
模型推理
后处理 得到模型推理结果后只是一些向量数字，数字的大小代表了属于不同类的概率，选择最大置信度即可。
post_process(result, image_file) def post_process(infer_output, image_file): print("post process") data = infer_output[0] vals = data.flatten() top_k = vals.argsort()[-1:-6:-1] # 排序结果 object_class = get_image_net_class(top_k[0]) #选择置信度最高的结果 output_path = os.path.join(os.path.join(SRC_PATH, "../out"), os.path.basename(image_file)) origin_image = Image.open(image_file) draw = ImageDraw.Draw(origin_image) font = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf", size=20) font.size =50 draw.text((10, 50), object_class, font=font, fill=255) #将预测的结果放置到图片上 origin_image.save(output_path) object_class = get_image_net_class(top_k[0]) return