ResNet50
论文
Deep Residual Learning for Image Recognition
模型结构
ResNet50模型包含了49个卷积层、一个全连接层。
算法原理
ResNet50使用了多个具有残差连接的残差块来解决梯度消失或梯度爆炸问题,并使得网络可以向更深层发展。
环境配置
Docker(方法一)
拉取镜像:
docker pull image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.0.0-centos7.6-dtk23.04.1-py38-latest
创建并启动容器:
docker run --shm-size 16g --network=host --name=resnet50_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/resnet50_migraphx:/home/resnet50_migraphx -it <Your Image ID> /bin/bash
# 激活dtk
source /opt/dtk/env.sh
Dockerfile(方法二)
cd ./docker
docker build --no-cache -t resnet50_migraphx:2.0 .
docker run --shm-size 16g --network=host --name=resnet50_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/resnet50_migraphx:/home/resnet50_migraphx -it <Your Image ID> /bin/bash
数据集
根据需求上传所需图像,可以对相应图像进行分类。
推理
Python版本推理
下面介绍如何运行Python代码示例,Python示例的详细说明见Doc目录下的Tutorial_Python.md。
设置环境变量
export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
运行示例
# 进入resnet50 migraphx工程根目录
cd <path_to_resnet50_migraphx>
# 进入示例程序目录
cd Python/
# 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 运行示例
python Classifier.py
C++版本推理
下面介绍如何运行C++代码示例,C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
安装Opencv依赖
cd <path_to_resnet50_migraphx>
sh ./3rdParty/InstallOpenCVDependences.sh
安装OpenCV并构建工程
rbuild build -d depend
设置环境变量
将依赖库依赖加入环境变量LD_LIBRARY_PATH,在~/.bashrc中添加如下语句:
export LD_LIBRARY_PATH=<path_to_resnet50_migraphx>/depend/lib64/:$LD_LIBRARY_PATH
然后执行:
source ~/.bashrc
运行示例
# 进入resnet50 migraphx工程根目录
cd <path_to_resnet50_migraphx>
# 进入build目录
cd build/
# 执行示例程序
./ResNet50
result
Python版本
输出结果中,每个值分别对应每个label的实际概率。
[[-2.07131356e-02 2.25237340e-01 -1.98313904e+00 -2.97360039e+00
...
-1.08657278e-01 3.15954179e-01 1.94901395e+00 -5.70572257e-01]]
C++版本
输出结果中,每个值分别对应每个label的实际概率。
label:0,confidence:-0.020714
label:1,confidence:0.225237
label:2,confidence:-1.983139
label:3,confidence:-2.973600
...
label:996,confidence:-0.108657
label:997,confidence:0.315954
label:998,confidence:1.949014
label:999,confidence:-0.570572
精度
无
应用场景
算法类别
图像分类
热点应用行业
制造,政府,医疗,科研
源码仓库及问题反馈
ModelZoo / ResNet50_migraphx · GitLab
参考资料
https://github.com/onnx/models/tree/main/vision/classification/resnet