中文|English

DeepLabv3 Tensorflow离线推理

此链接提供DeepLabv3 TensorFlow模型在NPU上离线推理的脚本和方法

注意

此案例仅为您学习Ascend软件栈提供参考，不用于商业目的。

在开始之前，请注意以下适配条件。如果不匹配，可能导致运行失败。

快速指南

1. 拷贝代码

git clone https://gitee.com/ascend/ModelZoo-TensorFlow.git
cd Modelzoo-TensorFlow/ACL_TensorFlow/built-in/cv/DeepLabv3_for_ACL

2. 下载数据集和预处理

1. 请自行下载PascalVoc2012数据集

2. 将数据集文件放入 scripts/PascalVoc2012 中:

--PascalVoc2012
|----Annotations
|----ImageSets
|----JPEGImages
|----SegmentationClass
|----SegmentationObject

3. 图片预处理:

cd scripts
mkdir input_bins
python3 preprocess/preprocessing.py ./PascalVoc2012/ ./input_bins/

jpegs图片将被预处理为bin文件。

3. 离线推理

离线模型转换

pb模型下载链接

• 环境变量设置

  请参考说明，设置环境变量

• Pb模型转换为om模型

  atc --model=deeplabv3_tf.pb --framework=3 --output=deeplabv3_tf_1batch --output_type=FP32 --soc_version=Ascend310 --input_shape="ImageTensor:1,513,513,3" --out_nodes=SemanticPredictions:0 --log=info
  

• 编译程序

  bash build.sh
  

• 开始运行:

  cd scripts
  bash benchmark_tf.sh
  

性能

结果

本结果是通过运行上面适配的推理脚本获得的。要获得相同的结果，请按照《快速指南》中的步骤操作。

验证集推理精度结果

参考

[1] https://github.com/tensorflow/models/tree/master/research/deeplab