本文主要是介绍【CANN训练营笔记】AscendCL图片分类应用（C++实现），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
样例介绍
基于PyTorch框架的ResNet50模型，对*.jpg图片分类，输出各图片所属分类的编号、名称。
环境介绍
华为云AI1s
CPU：Intel® Xeon® Gold 6278C CPU @ 2.60GHz
内存：8G
NPU：Ascend 310
环境准备
下载驱动
wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/Ascend%20HDK/Ascend%20HDK%2023.0.2.1/A300-3010-npu-driver_23.0.0_linux-x86_64.run --no-check-certificate
安装驱动
下载CANN8.0
wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/Milan-ASL/Milan-ASL%20V100R001C17SPC703/Ascend-cann-toolkit_8.0.RC1.alpha003_linux-x86_64.run --no-check-certificate
安装CANN
bash Ascend-cann-toolkit_8.0.RC1.alpha003_linux-x86_64.run --full
克隆代码仓
git clone https://gitee.com/ascend/samples.git
进入文件夹
cd samples/inference/modelInference/sampleResnetQuickStart/cpp
安装依赖
apt-get install libopencv-dev
样例运行
获取PyTorch框架的ResNet50模型（onnx）
cd model
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/resnet50/resnet50.onnx --no-check-certificate
转换为昇腾AI处理器能识别的模型（om）
atc --model=resnet50.onnx --framework=5 --output=resnet50 --input_shape="actual_input_1:1,3,224,224" --soc_version=Ascend310
atc命令中各参数的解释如下，详细约束说明请参见《ATC模型转换指南》。
- model：ResNet-50网络的模型文件的路径。
- framework：原始框架类型。5表示ONNX。
- output：resnet50.om模型文件的路径。请注意，记录保存该om模型文件的路径，后续开发应用时需要使用。
- input_shape：模型输入数据的shape。
- soc_version：昇腾AI处理器的版本。
获取测试图片数据
cd ../data
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/aclsample/dog1_1024_683.jpg --no-check-certificate
若需更换测试图片，则需自行准备测试图片，并将测试图片放到data目录下
编译样例
cd ../scripts
bash sample_build.sh
运行样例
bash sample_run.sh
输出图片
代码逻辑详解（C&C++语言）
这篇关于【CANN训练营笔记】AscendCL图片分类应用（C++实现）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
