atlas200DK resnet50 笔记

1.登录HwHiAiUser用户

2.获取ATC环境变量，因为是一键烧录的所以自己会带有ATC环境变量

3.https://gitee.com/ascend/samples/tree/master/python/level2_simple_inference/1_classification/resnet50_imagenet_classification获取权重文件 *.classmodel,模型文件（resnet50.prototx）,将这两个文件放在caffe_model目录下

4.要将resnet_50网络模型转为昇腾Ai处理的离线模型（*.om文件），先切换到“resnet50_imagenet_classification”目录

5. 执行下列的语句：

atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=model/resnet50 --soc_version=Ascendxxx --input_format=NCHW --input_fp16_nodes=data --output_type=FP32 --out_nodes=prob:0

其中--model=原模型和他的文件格式 --weight=存放模型权重的文件 --framework=原模型的框架类型 --output=输出的模型储存的位置 --soc_version=开发板处理器型号 --输入数据的格式 =“NCHW”代表“批次数 - 通道数 - 高度 - 宽度” -- 输入模型的测试数据 --输出类型 --out_nodes =在prob处停止

6.准备测试数据。 请从以下链接获取该样例的输入图片，并以运行用户将获取的文件上传至开发环境的“resnet50_imagenet_classification/data”目录下。如果目录不存在，需自行创建。
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

7.在resnet50_imagenet_classification路径下执行如下命令：

python3 ./src/acl_net.py

如果找不到脚本文件的话可以在这个链接中下载：

https://gitee.com/ascend/samples/tree/master/python/level2_simple_inference/1_classification/resnet50_imagenet_classification/src

如果报找不到文件的错误的话可以试试全局路径，也要注意转换后的模型存储的位置  其中output=model/resnet50 （可以替换成自己的路径但要记得在这个脚本acl_net.py中找到对应路径并进行修改）

8.得到的结果在imagenet的数据集中即可找到

ImageNet数据集编号对应的类别内容_imagenet类别_winycg的博客-CSDN博客