【MindStudio训练营第一季】使用MindStudio复现resnet50分类任务

最新推荐文章于 2023-05-21 13:58:03 发布
最新推荐文章于 2023-05-21 13:58:03 发布
阅读量286 收藏 1
点赞数
文章标签： 分类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Liangweiyan1034/article/details/128436827
版权

一、前言

在训练营进阶班的课程中，老师使用了resnet50的样例，分析了其中的ACL代码，本文将复现这个resnet50分类项目，为后面ACL编程学习做铺垫。

项目的Gitee仓如下：

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

二、环境配置

1、模型转换

这里我依旧使用的是Atlas 200 DK开发者套件的环境，使用官方镜像也是同理。

我们首先需要下载ResNet-50的模型文件和权重文件：

[https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.prototxt](https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC Model/resnet50/resnet50.prototxt)

[https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.caffemodel](https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC Model/resnet50/resnet50.caffemodel)

我们在项目根目录新建一个model文件夹，将下载的模型文件和权重文件放入其中。

使用MindStudio的模型转换功能将模型转换成能部署在昇腾设备上的离线om格式：

点击上方Ascend栏，选择Model Converter，配置CANN的路径和模型文件路径，其会自动匹配权重文件路径，配置模型输出路径，点击”Next“–>”Finish“，即可开始转模型。

转模型成功!

2、下载测试图片

点击下方链接下载测试图片，放入data文件中：

https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg

https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog2_1024_683.jpg

我们需要将这两张图片转换成二进制bin格式，使用transferPic.py脚本：

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

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GkH0w1JZ-1671962071997)(null)]

三、编译运行

创建个文件夹用于存放编译文件：

mkdir -p build/intermediates/host

执行如下命令生成编译文件：

cd build/intermediates/host
cmake ../../../src -DCMAKE_CXX_COMPILER=g++ -DCMAKE_SKIP_RPATH=TRUE
make

生成的可执行文件将会在out文件夹中。

运行生成的可执行文件：

./main

我们可以看到两张测试图片Top5的置信度。

四、后话

在本次样例的代码中，我们可以看到使用了大量ACL语言，我们可以以这个项目为基础，学习ACL语言的功能与使用。学有余力的小伙伴还可以完成进阶班的大作业喔~

微微抚琴
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用MindStudio进行MindX SDK SE-Resnet50应用开发.docx
10-30
本图文案例重点分析和展MindX SDK Se-Resnet50开发流程：创建工程;代码开发并且分享模型代码网址，并解释关键代码构成;数据准备及模型准备，模型转换功能介绍;运行测试
玩转Atlas 200DK（四）MindStudio安装与配置
张小白
05-06 3631
四、MindStudio 3.0.4的安装与配置 以下操作，如非特别说明，都是在开发环境——ubuntu x86的虚拟机上操作。 在安装MindStudio 3.0.4之前，可以看一下昇腾论坛置顶的安装视频：https://bbs.huaweicloud.com/forum/thread-183030-1-1.html 1、下载MindStudio安装包 下载MindStudio 3.0.4安装包： wgethttps://ascend-repo.obs.cn-east-2.myhuaweicl.
解读resnet50的预训练权重.pth文件
kingonlyuserjava的博客
05-24 1万+
参考了：https://blog.csdn.net/qq_27825451/article/details/100773473?ops_request_misc=&request_id=&biz_id=102&utm_term=%E5%A6%82%E4%BD%95%E6%9F%A5%E7%9C%8B.pth%E6%96%87%E4%BB%B6&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaidu
【图像分类案例】(8) ResNet50 鸟类图像4分类，附Pytorch完整代码
热门推荐
博观而约取，厚积而薄发
05-29 1万+
大家好，今天和大家分享一些如何使用 Pytorch 搭建 ResNet50 卷积神经网络模型，并使用迁移学习的思想训练网络，完成鸟类图片的预测。 ResNet 的原理和 TensorFlow2实现方式可以看我之前的两篇博文，这里就不详细说明原理了。 ResNet18、34：https://blog.csdn.net/dgvv4/article/details/122396424 ResNet50：https://blog.csdn.net/dgvv4/article/details/12187...
昇腾Mindstudio官方样例源码解读分享---Resnet50推理
nkxiaolei的博客
12-05 3111
作为初学者，最近刚接触Ascend200DK，按照官方的指导一步步搭建起了开发+运行环境，指导可以参考下面这个链接：https://gitee.com/lovingascend/quick_start/blob/master/Atlas200DK_separate_MD/environment.md 运行的第一个样例就是Mindstudio自带的Resnet50网络，对晟腾AI处理器的强大性能尤为印象深刻。个人习惯会去研究一下源码，这里分享下心得体会，能力有限，水平一般，如果哪里写的不对的，还请指正。 对于
torch中如何使用预训练权重
qq_28384023的博客
09-09 4572
关于torch预训练权重载入的问题
使用Keras预训练模型ResNet50进行图像分类方式
09-16
主要介绍了使用Keras预训练模型ResNet50进行图像分类方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Resnet50卷积神经网络训练MNIST手写数字图像分类 Pytorch训练代码
02-05
# Resnet50卷积神经网络训练MNIST手写数字图像分类 Pytorch训练代码 1. 使用Pytorch定义ReNet50网络模型； 2. 使用Pytorch加载MNIST数据集，首次运行自动下载； 3. 实现训练MNIST手写数字图像分类，训练过程显示loss...
卷积神经网络ResNet50训练CIFAR-100图像分类Pytorch实现
最新发布
07-03
# 卷积神经网络ResNet50训练CIFAR-100图像分类Pytorch实现 1. 使用pytorch调用CIFAR-100数据集，首次训练自动下载； 2. 包含训练代码，调用resnet50模型进行训练，使用交叉熵损失和SGD优化器； 3. 包含训练了50 ...
【2023 · CANN训练营第一季】昇腾AI入门课（Pytorch)---昇腾AI入门课（PyTorch）微认证考试
qq_45257495的博客
04-19 9418
19、当迁移出现报错时，查看底层日志是一种常见的DEBUG手段，可以通过设置环境变量ASCEND_GLOBAL_LOG_LEVEL的方式收集不同等级的日志。20、昇腾软硬件基础平台中包括应用使能、AI框架、异构计算架构、Atlas系列硬件等，其中()对下适配不同的硬件形态，对上适配不同的AI框架，发挥着承上启下的关键作用。10、我们可以使用脚本转换工具进行PyTorch模型迁移，以下关于该脚本转换工具介绍正确的是()7、关于达芬奇架构中的计算单元，以下说法正确的是。5、以下关于ATC工具说法正确的是。
Resnet 50 权重文件
12-02
Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. We explicitly reformulate the layers as learning residual functions with reference to the layer inputs, instead of learning unreferenced functions. We provide comprehensive empirical evidence showing that these residual networks are easier to optimize, and can gain accuracy from considerably increased depth. On the ImageNet dataset we evaluate residual nets with a depth of up to 152 layers---8x deeper than VGG nets but still having lower complexity. An ensemble of these residual nets achieves 3.57% error on the ImageNet test set. This result won the 1st place on the ILSVRC 2015 classification task. We also present analysis on CIFAR-10 with 100 and 1000 layers. The depth of representations is of central importance for many visual recognition tasks. Solely due to our extremely deep representations, we obtain a 28% relative improvement on the COCO object detection dataset. Deep residual nets are foundations of our submissions to ILSVRC & COCO 2015 competitions, where we also won the 1st places on the tasks of ImageNet detection, ImageNet localization, COCO detection, and COCO segmentation.
残差网络resnet_50_ckpt文件
06-10
resnet50已训练好模型参数，可在自己的数据上进行微调。tensorflow
残差网络resnet50的深度学习模型权重文件
11-15
残差网络resnet50的深度学习模型权重文件，可作为预训练模型，提升学习效率
ResNet模型权重.zip
08-13
适用于pytorch的网络模型ResNet的模型权重 resnet101-5d3b4d8f.pth resnet152-b121ed2d.pth resnet18-5c106cde.pth resnet34-333f7ec4.pth resnet50-19c8e357.pth resnext101_32x8d-8ba56ff5.pth resnext50_32x4d-7cdf4587.pth 调用方法： model = models.resnet50(pretrained=False) model.load_state_dict(torch.load('weight/resnet50/resnet50-19c8e357.pth')) model.fc = nn.Linear(model.fc.in_features, CLASS_NUM) pretrained表示不下载权重，若用于图片分类，可以在后面加多一层，用来输出CLASS_NUM个结果，即CLASS_NUM个类别
使用ATC工具将主流开源框架模型转换为昇腾模型
m0_71340392的博客
02-26 1299
本文介绍了昇腾CANN提供的模型转换工具ATC，介绍了其功能、架构，并以具体样例介绍了该工具的基本使用方法以及常用设置。
【CANN训练营第三季】基于Caffe ResNet-50网络实现图片分类
weixin_48453538的博客
12-19 286
【CANN训练营第三季】基于Caffe ResNet-50网络实现图片分类
从零手写Resnet50实战篇——权值另存为
AI与算法都要通俗易懂
04-06 381
​大家好啊，我是董董灿。这是《从零手写Resnet50实战》的第二篇文章。
基于Caffe ResNet-50网络实现图片分类（仅推理）的实验复现
华为云官方博客
07-25 1946
本实验主要是以基于Caffe ResNet-50网络实现图片分类（仅推理）为例，学习如何在已经具备预训练模型的情况下，将该模型部署到昇腾AI处理器上进行推理。
深度学习-ResNet-50实现目标检测（基于Pascal VOC数据集）
xingxingzhilong的专栏
05-21 2408
残差块中，利用跳跃连接的方式将输入的恒等映射直接加到后续的输出中，从而使得网络直接可以学习到对输入的差异性特征，避免这些信息因为多网络层的堆叠而丢失。残差块中，利用跳跃连接的方式将输入的恒等映射直接加到后续的输出中，从而使得网络直接可以学习到对输入的差异性特征，避免这些信息因为多网络层的堆叠而丢失。解压训练集和测试集之后，我们开始处理数据了，我看了下图片接近5000张，这个如果一次性加载的话，贫穷的我应该加载不了吧，OOM应该是肯定的。86%的正确率，这样的正确率还有上升的空间，不过这不重要。
pytorch在resnet50最后训练一个10分类的softmax分类头
05-18
可以使用以下代码在resnet50的最后添加一个10分类的softmax分类头： ```python import torch.nn as nn import torchvision.models ...这样就可以使用新的分类头对预训练的ResNet50模型进行微调，以适应您的特定任务。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值