中文|English

Densenet24 TensorFlow离线推理

此链接提供Densenet24 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/Densenet24_for_ACL

2. 下载数据集和预处理

1. 请自行下载数据集
2. 将数据集放入 Densenet24_for_ACL/ori_images 中:

--ori_images
  |----BRATS2017
     |----Brats17ValidationData
       |----Brats17_2013_21_1
          |----xxxxx.nii.gz
       |----Brats17_2013_25_1
       |----Brats17_2013_26_1
       |----Brats17_CBICA_ABM_1
       |----Brats17_CBICA_AUR_1
       |----Brats17_CBICA_AXN_1
       |----Brats17_CBICA_AXQ_1
       |----Brats17_TCIA_192_1
       |----Brats17_TCIA_319_1
       |----Brats17_TCIA_377_1
       |----val.txt
       |----val.txt.zl
  |----npu
     |----d24_correction-4.index
     |----d24_correction-4.meta

3. 执行预处理脚本

   cd scripts
   python3 preprocess.py -m ../ori_images/npu/dense24_correction-4 -mn dense24 -nc True -r ../ori_images/BRATS2017/Brats17ValidationData/ -input1 ../datasets/input_flair/ -input2 ../datasets/input_t1/
   

3. 离线推理

离线模型转换

• 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

  pb模型下载链接

  cd ..
  atc --model=model/densenet24.pb --framework=3 --output=model/densenet24_1batch --soc_version=Ascend310P3 --input_shape="Placeholder:1,38,38,38,2;Placeholder_1:1,38,38,38,2"
  

• 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。

推理精度结果