中文|English

YOLOv2 TensorFlow离线推理

此链接提供OLOv2 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/YOLOv2_for_ACL

2. 下载数据集和预处理

1. 请自行下载ImageNet2012测试数据集

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

  以batcsize=1为例：

  For Ascend310:

  atc --model=./yolov2.pb --input_shape='Placeholder:1,416,416,3'  --input_format=NHWC --output=./yolov2_tf_1batch --soc_version=Ascend310 --framework=3
  

  For Ascend310P3:

  atc --model=./yolov2.pb --input_shape='Placeholder:1,416,416,3'  --input_format=NHWC --output=./yolov2_tf_1batch --soc_version=Ascend310P3 --framework=3
  

• 编译程序

  For Ascend310:

  bash build.sh
  

  For Ascend310P3:

  export ASCEND310P3_DVPP=1
  bash build.sh
  

• 开始运行:

  cd scripts
  bash benchmark_tf.sh
  

推理结果

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

参考

[1] https://github.com/KOD-Chen/YOLOv2-Tensorflow