13 Star 63 Fork 280

Ascend/ModelZoo-TensorFlow

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
文件
克隆/下载
贡献代码
同步代码
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README

中文|English

widedeep TensorFlow离线推理

此链接提供widedeep 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。

Conditions Need
CANN版本 >=5.0.3
芯片平台 Ascend310/Ascend310P3
第三方依赖 请参考 'requirements.txt'

快速指南

1. 拷贝代码

git clone https://gitee.com/ascend/modelzoo.git
cd Modelzoo-TensorFlow/ACL/Research/recommendation/WideDeep_for_ACL

2. 下载数据集和预处理

Weights files,access code:ascend

and put them to 'acl/bin'

测试数据集

将测试数据集放入 'acl/data/'

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

    atc --model=acl/model/widedeep_tf.pb --framework=3 --output=acl/model/widedeep_framework_tensorflow_aipp_0_batch_1_input_fp32_output_fp32 --soc_version=Ascend310 --input_shape="Input:1,51"
    
  • 编译程序

    cd benchmark-master
    bash run.sh
    
  • 开始运行:

    cd ../
    bash benchmark_tf.sh --batchSize=1 --modelPath=acl/model/widedeep_framework_tensorflow_aipp_0_batch_1_input_fp32_output_fp32.om --dataPath=acl/data/adult.test
    

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

model data Top1
offline Inference 16281 85.44 %
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
1
https://gitee.com/ascend/ModelZoo-TensorFlow.git
git@gitee.com:ascend/ModelZoo-TensorFlow.git
ascend
ModelZoo-TensorFlow
ModelZoo-TensorFlow
master

搜索帮助