mobilenet_v3_tvm图像分类模型

技术瘾君子1573

于 2024-08-10 00:00:00 发布

阅读量436

点赞数 9

分类专栏：人工智能&深度学习&机器学习文章标签：分类数据挖掘人工智能图像分类

本文链接：https://blog.csdn.net/qq_27815483/article/details/140579348

版权

人工智能&深度学习&机器学习专栏收录该内容

144 篇文章 3 订阅

订阅专栏

MobileNet_v3

论文

Searching for MobileNetV3

https://arxiv.org/pdf/1905.02244.pdf

模型结构

MobileNetv3模型采用轻量级的深度可分离卷积（depthwise separable convolution）结构，以减少模型参数量和计算复杂度。

算法原理

MobileNetv3模型采用混合使用轻量级深度可分离卷积和逆残差结构（Inverted Residuals）的算法原理，以实现高效计算和良好的模型性能

环境配置

Docker(方法一)

此处提供光源拉取docker镜像的地址与使用步骤

docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:tvm_fp32_dtk22.10.1_py38_centos-7.6-latest
docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
cd /root/tvm-0.11-dev0/apps/
git clone  http://developer.hpccube.com/codes/modelzoo/mobilenet_v3_tvm.git

数据集

在本测试中可以使用ImageNet数据集。下载ImageNet数据集：ImageNet 数据结构如下：

data
    ├──imagenet
        ├── meta
            ├──val.txt
            ├──train.txt
            ...
        ├── train
        ├── val

推理

Python Deploy测试参考：

    cd  mobilenet_v3_tvm
    ulimit -s unlimited
    export MIOPEN_DEBUG_CONV_IMPLICIT_GEMM=0
    export HIP_VISIBLE_DEVICES=2(此处修改为对应加速卡ID号)
    python  val_onnx.py --test-only  --data-path /parastor/DL_DATA/ImageNet-pytorch --model mobilenet_v3_large --b 1 --pretrained