AT800(3000) +昇腾300V 之 第一个例子图片分类

背景

第一个例子是 图片分类的应用

因第一个，直接获取已训练好的开源模型，选择Caffe框架的ResNet-50模型。

ResNet-50模型的基本介绍如下：

输入数据：RGB格式、224*224分辨率的输入图片
输出数据：图片的类别标签及其对应置信度

开发流程

AscendCL（Ascend Computing Language）是一套用于在CANN（Compute Architecture for Neural Networks）上开发深度神经网络推理应用的C语言API库，提供模型加载与执行、媒体数据处理、算子加载与执行等API，能够实现在昇腾CANN平台上进行深度学习推理计算、图形图像预处理、单算子加速计算等能力。

图片流程来自昇腾社区

准备模型

昇腾 需要专用的模型，第一步 需要对开源模型进行转换。
使用ATC（Ascend Tensor Compiler）工具将开源框架的网络模型转换为适配昇腾AI处理器的离线模型（*.om文件）。

ATC 参数说明

• – model：ResNet-50网络的模型文件（*.prototxt）的路径。
• –weight：ResNet-50网络的权重文件（*.caffemodel）的路径。
• –framework：原始框架类型。0：表示Caffe；1：表示MindSpore；3：表示TensorFlow；5：表示ONNX。
• –output：resnet50.om模型文件的路径。请注意，记录保存该om模型文件的路径，后续开发应用时需要使用。
• –soc_version：昇腾AI处理器的版本。

 npu-smi info
+--------------------------------------------------------------------------------------------------------+
| npu-smi 23.0.rc2                                 Version: 23.0.rc2                                     |
+-------------------------------+-----------------+------------------------------------------------------+
| NPU     Name                  | Health          | Power(W)     Temp(C)           Hugepages-Usage(page) |
| Chip    Device                | Bus-Id          | AICore(%)    Memory-Usage(MB)                        |
+===============================+=================+======================================================+
| 0       310P3                 | OK              | NA           44                0     / 0             |
| 0       0                     | 0000:01:00.0    | 0            1698 / 21527                            |
+=======