将mobileNet caffe模型转换为ncnn模型

最新推荐文章于 2024-03-30 18:15:00 发布

DDR内存测试

最新推荐文章于 2024-03-30 18:15:00 发布

阅读量1k

点赞数

分类专栏：深度学习文章标签： ncnn caffe mobilenet

本文链接：https://blog.csdn.net/u014689845/article/details/86723921

版权

深度学习专栏收录该内容

9 篇文章 0 订阅

订阅专栏

参考博客：https://blog.csdn.net/Best_Coder/article/details/76201275#reply
　　　　　　　　　https://blog.csdn.net/computerme/article/details/77876633

实现方法：
１、前提条件：下载并成功编译ncnn
　　（主要参考github文档：https://github.com/Tencent/ncnn/wiki/how-to-build）

install g++ cmake protobuf

    $ cd <ncnn-root-dir>
    $ mkdir -p build
    $ cd build
    $ cmake ..
    $ make -j4
（PS：protobuf版本号要保证为2.6.1，如果版本号为protobuf2.5.0则会make -j4出错，多么痛的领悟！！！）
    install opencv for building example

$ cd <ncnn-root-dir>

　uncomment add_subdirectory(examples)//将examples的注释去掉
in CMakeLists.txt with your favourite editor

    $ mkdir -p build
    $ cd build
    $ cmake ..
    $ make -j4

copy examples/squeezenet_v1.1.param to build/examples
copy examples/squeezenet_v1.1.bin to build/examples

$ cd build/examples
$ ./squeezenet yourimage.jpg

    output top-3 class-id and score
    you may refer examples/synset_words.txt to find the class name
    404 = 0.990290
    908 = 0.004464
    405 = 0.003941
编译完成后在ncnn/build/tools 目录下，可以看到已经生成了ncnn2mem这个可执行文件。同时，在caffe文件夹下可以看到有 caffe2ncnn可执行文件。
caffe2ncnn可的作用是将caffe模型生成ncnn 模型，ncnn2mem可对模型进行加密。

２、主要过程：
Step1:　　下载mobileNet的caffe模型和配置文件：
　　      可以从https://github.com/shicai/MobileNet-Caffe中下载
　　      得到：mobilenet_deploy.prototxt和mobilenet.caffemodel两个文件。
step2:
      PS:由于NCNN提供的转换工具只支持转换新版的caffe模型,所以我们需要利用caffe自带的工具将旧版的
      caffe模型转换为新版的caffe模型后,再将新版本的模型转换为NCNN模型.
      旧版本caffe模型--->新版本caffe模型--->NCNN模型

step2.1
旧版本caffe模型--->新版本caffe模型

    命令：
    ruyiwei@ruyiwei: /home/caffe/build/tools/upgrade_net_proto_text mobilenet_v2_deploy.prototxt mobilenet_v2_new_deplpy.prototxt
    ruyiwei@ruyiwei:~/code/ncnn/build/tools$　/home/caffe/build/tools/upgrade_net_proto_binary mobilenet_v2.caffemodel mobilenet_v2_new.caffemodel
    （注意：要根据自己的caffe位置进行修改）
    执行之后，就可以生成新的caffe模型

    step2.2
    新版本caffe模型--->NCNN模型
    在第一步生成的ncnn/build/tools/caffe目录下用caffe2ncnn来转换新版的mobileNet模型:
    命令：
    root@aa-pc:/home/aa/qxq/project/fruits/ncnn-master/build/tools/caffe# ./caffe2ncnn mobilenet_v2_new_deplpy.prototxt mobilenet_v2_new.caffemodel mobilenet2.param mobilenet2.bin

    执行之后就生成了。执行上面命令后就可以生成NCNN模型需要的.param与.bin文件
    其中，.param可以理解为网络的配置文件，.bin可以理解为网络的参数（各种权重）文件。 Step3:
    可以对模型进行加密：
    命令：
    ruyiwei@ruyiwei:~/code/ncnn/build/tools$./ncnn2mem mobilenet.param mobilenet.bin mobilenet.id.h mobilenet.mem.h
    最后可以生成 alexnet.param.bin 这样的二进制加密文件。ncnn对加密和非加密两种文件的读取方式不一样。
    //load非加密的ncnn模型
    ncnn::Net net;
    net.load_param("mobilenet.param");
    net.load_model("mobilenet.bin");
    //load加密的ncnn模型
    ncnn::Net net;
    net.load_param_bin("mobilenet.param.bin");
    net.load_model("mobilenet.bin");
３、编译NCNN例程
在生成之后，需要编译。
Step3.1
    首先我们需要进入ncnn/build/examples目录，创建目录mobilenet_squeezenet,新建一个Makefile,内容如下,最重要的是,NCNN例程序只支持opencv2,不支持opencv3.
    Makefile文件的内容如下：

NCNN_DIR =/home/tommy/NCNN/ncnn

OPENCV =/home/tommy/NCNN/opencv-2.4.10



INCPATH =-I${NCNN_DIR}/build/install/include \

-I${OPENCV}/modules/objdetect/include \

-I${OPENCV}/modules/highgui/include \

-I${OPENCV}/modules/imgproc/include \

-I${OPENCV}/modules/core/include



LIBS = -lopencv_core -lopencv_highgui -pthread

# -lopencv_imgproc -fopenmp -pthread 



LIBPATH = -L${OPENCV}/build/lib



squeezenet_mobilenet:squeezenet_mobilenet.cpp

	$(CXX) $(INCPATH) $(LIBPATH) $^ ${NCNN_DIR}/build/install/lib/libncnn.a $(LIBS) -o $@

Step3.2:
由于自己的模型已经生成了，所以我们要再重新写一个squeezenet_mobilenet.cpp文件，来执行生成的mobilenet.para和mobilenet.bin。
squeezenet_mobilenet.cpp的代码如下：

// Tencent is pleased to support the open source community by making ncnn available.
//
// Copyright (C) 2017 THL A29 Limited, a Tencent company. All rights reserved.
//
// Licensed under the BSD 3-Clause License (the "License"); you may not use this file except
// in compliance with the License. You may obtain a copy of the License at
//
// https://opensource.org/licenses/BSD-3-Clause
//
// Unless required by applicable law or agreed to in writing, software distributed
// under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR
// CONDITIONS OF ANY KIND, either express or implied. See the License for the
// specific language governing permissions and limitations under the License.
//modified by tommy
//date:2019-1-31

#include <stdio.h>
#include <algorithm>
#include <vector>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;
#include "net.h"

static int detect_squeezenet(const cv::Mat& bgr, std::vector<float>& cls_scores)
{
    ncnn::Net squeezenet;
    squeezenet.load_param("mobilenet2.param");
    squeezenet.load_model("mobilenet2.bin");

    ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR, bgr.cols, bgr.rows, 227, 227);

    const float mean_vals[3] = {104.f, 117.f, 123.f};
    in.substract_mean_normalize(mean_vals, 0);

    ncnn::Extractor ex = squeezenet.create_extractor();

    ex.input("data", in);

    ncnn::Mat out;
    ex.extract("prob", out);

    cls_scores.resize(out.w);
    for (int j=0; j<out.w; j++)
    {
        cls_scores[j] = out[j];
    }

    return 0;
}

#if  0
static int print_topk(const std::vector<float>& cls_scores, int topk)
{
    // partial sort topk with index
    int size = cls_scores.size();
    std::vector< std::pair<float, int> > vec;
    vec.resize(size);
    for (int i=0; i<size; i++)
    {
        vec[i] = std::make_pair(cls_scores[i], i);
    }

    std::partial_sort(vec.begin(), vec.begin() + topk, vec.end(),
                      std::greater< std::pair<float, int> >());

    // print topk and score
    for (int i=0; i<topk; i++)
    {
        float score = vec[i].first;
        int index = vec[i].second;
        fprintf(stderr, "%d = %f\n", index, score);
    }

    return 0;
}
#endif

static int print_topk(const std::vector<float>& cls_scores, int topk, vector<int>& index_result, vector<float>& score_result)
{
    // partial sort topk with index
    int size = cls_scores.size();
    std::vector< std::pair<float, int> > vec;
    vec.resize(size);
    for (int i=0; i<size; i++)
    {
        vec[i] = std::make_pair(cls_scores[i], i);
    }
 
    std::partial_sort(vec.begin(), vec.begin() + topk, vec.end(), std::greater< std::pair<float, int> >());
 
    // print topk and score
    for (int i=0; i<topk; i++)
    {
        float score = vec[i].first;
        int index = vec[i].second;
        index_result.push_back(index);
        score_result.push_back(score);
 
        //fprintf(stderr, "%d = %f\n", index, score);
    }
 
    return 0;
}

static int load_labels(string path, vector<string>& labels)
{
    FILE* fp = fopen(path.c_str(), "r");
 
    while (!feof(fp))
    {
        char str[1024];
        fgets(str, 1024, fp);  //¶ÁÈ¡Ò»ÐÐ
        string str_s(str);
 
        if (str_s.length() > 0)
        {
            for (int i = 0; i < str_s.length(); i++)
            {
                if (str_s[i] == ' ')
                {
                    string strr = str_s.substr(i, str_s.length() - i - 1);
                    labels.push_back(strr);
                    i = str_s.length();
                }
            }
        }
    }
    return 0;
}

#if  0
int main(int argc, char** argv)
{
    if (argc != 2)
    {
        fprintf(stderr, "Usage: %s [imagepath]\n", argv[0]);
        return -1;
    }

    const char* imagepath = argv[1];

    cv::Mat m = cv::imread(imagepath, CV_LOAD_IMAGE_COLOR);
    if (m.empty())
    {
        fprintf(stderr, "cv::imread %s failed\n", imagepath);
        return -1;
    }

    std::vector<float> cls_scores;
    detect_squeezenet(m, cls_scores);

    print_topk(cls_scores, 3);

    return 0;
}
#endif

int main(int argc, char** argv)
{
    const char* imagepath = argv[1];
    vector<string> labels;
    load_labels("synset.txt", labels);
    cv::Mat m = cv::imread(imagepath, CV_LOAD_IMAGE_COLOR);
    if (m.empty())
    {
        fprintf(stderr, "cv::imread %s failed\n", imagepath);
        return -1;
    }
 
    std::vector<float> cls_scores;
    detect_squeezenet(m, cls_scores);
 
    vector<int> index;
    vector<float> score;
    print_topk(cls_scores, 3, index, score);
 
 
    for (int i = 0; i < index.size(); i++)
    {
       cv::putText(m, labels[index[i]], Point(50, 50 + 30 * i), CV_FONT_HERSHEY_SIMPLEX, 1.2, Scalar(0, 100, 200), 2, 8);
    }
 
    imshow("m", m);
    imwrite("test_result.jpg", m);
    waitKey(0);
 
    return 0;
}

step3.3:将上面的.cpp 文件生成可执行文件：

make
然后生成了一个可执行文件：squeezenet_mobilenet
./squeezenet_mobilenet cat.ipg

DDR内存测试

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
2
评论
将mobileNet caffe模型转换为ncnn模型

参考博客：https://blog.csdn.net/Best_Coder/article/details/76201275#reply　　　　　　　　　https://blog.csdn.net/computerme/article/details/77876633实现方法：１、前提条件：下载并成功编译ncnn　　（主要参考github文档：https://github.com/Te...
复制链接

扫一扫