基于 Caffe ResNet-50 网络实现图片分类（视频解码 + 同步推理）
该样例是基于 Caffe ResNet-50 网络来实现图片分类功能，芯片要求是 Ascend310、310P 和 910。在开始前，首先要建议大家点击下方图片，报名 CANN 训练营活动，然后入群找小助手领取代金券，这样就可以零成本进行样例开发了。
本次样例使用的是 vdec，VDEC（Video Decoder）负责将 H264/H265 格式的视频码流解码为 YUV/RGB 格式的图片。输入码流格式支持 H264/H265，若码流中有坏帧、缺帧等情况，解码器 VDEC 可能会丢帧，下图是 VDEC 整个过程实现的流程图：
参考下方的链接进行样例体验：
环境准备
具体的步骤，可以参考我之前发的文章，这里简单介绍下，首先购买华为云弹性云服务器，如图：
通过下方链接下载 CANN8 版本的软件包和驱动：
https://www.hiascend.com/developer/download/community/result?module=cann
上传到服务器，执行命令升级 CANN 版本。
样例准备及运行
下载样例和 resnet50 模型等样例相关文件上传到对应的文件夹：
ATC 转换模型文件：
atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --soc_version=Ascend310 --insert_op_conf=caffe_model/aipp.cfg --output=model/resnet50_aipp
命令执行后，需要等待一会，我们借此正好简单介绍下上面参数的含义，--model 代表需要转换的模型文件；--weight 代表的是权重文件；--framework 为原始的框架，0 代表 caffe，1 代表 mindspore，3 代表 tensorflow，5 代表 onnx；soc_version 代表的是芯片型号，insert_op_conf 代表算子配置文件；--output 代表的是模型的输出位置。
编译运行
配置环境变量，需要注意的是 $HOME 是你的 CANN 安装路径，比如我的安装路径上在/usr/local，所以需要改成合适的路径，否则编译会失败。
export DDK_PATH=$HOME/Ascend/ascend-toolkit/latest
export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub
创建编译文件存放位置：
mkdir -p build/intermediates/host
因为我的运行环境和开发环境一致，如果环境不一致，参考样例提供的样例命令执行，进入文件夹并编译：
cd build/intermediates/host
cmake ../../../src -DCMAKE_CXX_COMPILER=g++ -DCMAKE_SKIP_RPATH=TRUE
如下图说明编译成功：
如果上面的环境配置错误，那么有可能在编译时会出现如下错误：
样例运行
切换到样例的 out 路径下，里面有个 main 文件，一般是有执行权限的，如果没有需要为其增加权限。
cd ../../../out ./main
输出如下图，代表样例执行成功：
还未添加个人签名 2020-03-27 加入
还未添加个人简介
评论