文档首页>
Atlas 200 DK 开发者套件（1.0.7.alpha）>
应用软件开发指南>
ACL样例使用指导>
基于Caffe ResNet-50网络实现图片分类（包含图片解码+缩放）>
样例介绍
更新时间：2021-03-18 GMT+08:00
样例介绍
获取样例
您可以从开发环境上的“ACLlib组件的安装目录/acllib/sample/acl_execute_model”目录下获取样例acl_dvpp_resnet50的代码。
功能描述
该样例主要是基于Caffe ResNet-50网络（单输入、单batch）实现图片分类的功能。
将Caffe ResNet-50网络的模型文件转换为适配昇腾AI处理器的离线模型（*.om文件），在样例中，加载该om文件，对2张*.jpg图片进行解码、缩放、推理，分别得到推理结果后，再对推理结果进行处理，输出最大置信度的类别标识。
转换模型时，需配置色域转换参数，用于将YUV420SP格式的图片转换为RGB格式的图片，才能符合模型的输入要求。
图1 Sample示例
原理介绍
在该样例中，涉及的关键功能点，如下表所示。API接口的详细介绍请参见《应用软件开发指南》中的“AscendCL API参考”。
初始化 |
|
|---|---|
Device管理 |
|
Context管理 |
|
Stream管理 |
|
内存管理 |
执行数据预处理时，若需要申请Device上的内存存放输入或输出数据，需调用acldvppMalloc申请内存、调用acldvppFree接口释放内存。 |
数据传输 |
如果在开发者板上运行应用，则无需进行数据传输。 |
数据预处理 |
|
模型推理 |
|
数据后处理（单算子调用） |
处理模型推理的结果，通过调用算子Cast将推理结果的数据类型从float32转成float16，再调用ArgMaxD算子从推理结果中查找最大置信度的类别标识。 通过aclopExecute接口加载与执行算子。 |
目录结构
acl_dvpp_resnet50样例代码结构如下所示。
├acl_dvpp_resnet50 ├── caffe_model │ ├── aipp.cfg //带色域转换参数的配置文件，模型转换时使用 │ ├── resnet50.prototxt //resnet50网络的模型文件 ├── data │ ├── dog1_1024_683.jpg //测试数据 │ ├── dog2_1024_683.jpg //测试数据 ├── inc │ ├── dvpp_process.h //声明数据预处理相关函数的头文件 │ ├── model_process.h //声明模型处理相关函数的头文件 │ ├── sample_process.h //声明资源初始化/销毁相关函数的头文件 │ ├── singleOp_process.h //声明单算子执行相关函数的头文件 │ ├── utils.h //声明公共函数（例如：文件读取函数）的头文件 ├── out │ ├── op_models │ ├──├──op_list.json //Cast算子和ArgMaxD算子的算子描述信息 ├── src │ ├── acl.json //系统初始化的配置文件 │ ├── CMakeLists.txt //编译脚本 │ ├── dvpp_process.cpp //数据预处理相关函数的实现文件 │ ├── main.cpp //主函数，图片分类功能的实现文件 │ ├── model_process.cpp //模型处理相关函数的实现文件 │ ├── sample_process.cpp //资源初始化/销毁相关函数的实现文件 │ ├── singleOp_process.cpp //单算子执行相关函数的实现文件 │ ├── utils.cpp //公共函数（例如：文件读取函数）的实现文件 ├── .project //工程信息文件，包含工程类型、工程描述、运行目标设备类型等 ├── CMakeLists.txt //编译脚本，调用src目录下的CMakeLists文件
