DPU on PYNQ-Z2系列—3.2 部署DPU—使用DNNDK进行C++编程

使用DNNDK进行C++编程

dnndk提供了一个resnet50的案例，但是那个案例是基于caffe的，我们需要稍作修改

定义input node，output node

/* DPU Kernel name for ResNet50 */
#define KRENEL_RESNET50 "resnet50v1_0"
/* Input Node for Kernel ResNet50 */
#define INPUT_NODE      "resnet_v1_50_conv1_Conv2D"
/* Output Node for Kernel ResNet50 */
#define OUTPUT_NODE     "resnet_v1_50_logits_Conv2D"
const string baseImagePath = "/home/xilinx/val5000/";

修改图像预处理

float mean[3] = {103.939,116.779,123.68};
dpuSetInputImage(taskResnet50, INPUT_NODE, *(image.second),mean);

再一次强调，训练、量化、部署时的预处理要保持一致。DPU on PYNQ-Z2系列—2.2 DNNDK使用—使用dnndk量化、编译模型提到resnet50的预处理方式是RGB三个通道分别减去103.939,116.779,123.68，因此我们要采用dpuSetInputImage这个API