3.2. 使用 Resnet-50 进行图像分类

在本节，我们将展示如何在 Sophon TPU 上面使用 resnet-50 进行图像分类。 我们使用的 bmodel 都是经过转换后的官方的 caffe 版本的 resnet-50，包括了 fp32 以及 int8 类型的。 我们实现了 4 个示例程序。 它们都是使用 opencv 进行图像解码和预处理。 图像都会被缩放到固定的尺寸，在这里是 1*3*224*224。 这4个程序的区别在于它们支持的模型数量、TPU 数量和线程数量不同。

ID	Input	Decoder	Preprocessor	Data Type	Model	Mode	Model Number	TPU Number	Multi-Thread
0	image	opencv	opencv	fp32 int8	resnet-50	static	1	1	N
1	image	opencv	opencv	fp32 int8	resnet-50	static	1	1	Y
2	image	opencv	opencv	fp32 int8	resnet-50	static	2	1	Y
3	image	opencv	opencv	fp32 int8	resnet-50	static	1	2	Y

• 3.2.1. 运行demo
  • 3.2.1.1. 获取bmodel和图片
  • 3.2.1.2. 运行C++程序
  • 3.2.1.3. 运行python程序
• 3.2.2. C++ 代码解析
  • 3.2.2.1. Case 0: 基础示例程序
  • 3.2.2.2. Case 1: 单模型多线程
  • 3.2.2.3. Case 2: 多线程多模型
  • 3.2.2.4. Case 3: 多线程多 TPU 模式
• 3.2.3. Python 代码解析
  • 3.2.3.1. Case 0: 基础示例程序
  • 3.2.3.2. Case 1: 单模型多线程
  • 3.2.3.3. Case 2: 多线程多模型
  • 3.2.3.4. Case 3: 多线程多 TPU 模式