ncnn 推理猫狗识别

HySmiley

已于 2022-03-31 10:57:24 修改

阅读量957

点赞数

分类专栏：深度学习实践文章标签：深度学习 ncnn pytorch

于 2022-03-28 23:37:43 首次发布

本文链接：https://blog.csdn.net/m0_37264397/article/details/123807040

版权

深度学习实践专栏收录该内容

6 篇文章 16 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

这篇博客详细介绍了如何从训练PyTorch的猫狗识别模型，将其转换为ONNX模型，再简化并转为ncnn模型，最后在C++环境中进行推理。步骤包括训练模型、模型转换、ONNX模型验证、简化、转化成ncnn模型，以及C++代码的编写和运行结果展示。提供了代码和数据集的下载链接。

摘要由CSDN通过智能技术生成

实现流程：

一、训练模型

准备数据集，编辑代码进行训练。下载内容在文章末尾。

import torch
import torch.nn as nn
import torchvision.models as models
from torchvision import datasets, transforms
from torch.autograd import Variable
import torch.optim as optim
import os
from trainlog import acc_lossHistory
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
 
class resnet18(nn.Module):
    def __init__(self, num_classes=2):
        super(resnet18, self).__init__()
        net = models.resnet18(pretrained=True)
        # net.classifier = nn.Sequential()
        net.fc=nn.Sequential()