中文|English

PWCNet TensorFlow离线推理

此链接提供PWCNet 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/contrib/cv/PWCNet_for_ACL

2. 下载数据集和预处理

1. 请自行下载MPI Sintel测试数据集遵循指南 把预处理好数据集放到scripts/dataset/MPI-Sintel-complete目录下

2. 测试数据集和标签的预处理：

cd scripts
mkdir input_bins
python3 data_preprocess.py --dataset ./dataset--output ./input_bins

将在input_bins目录下生成 image 和gt目录:

input_bins
|
|__image
   |______alley_1-frames_0001_0002.bin
   |______alley_1-frames_0002_0003.bin
   |______alley_1-frames_0003_0004.bin
...

|
|__gt
   |______alley_1-frames_0001_0002.bin
   |______alley_1-frames_0002_0003.bin
   |______alley_1-frames_0003_0004.bin
...

3. 离线推理

Pb模型转换为om模型

• 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

  batchsize=1

  atc --model=pwcnet.pb  --framework=3 --input_shape="x_tnsr:1,2,448,1024,3" --output=./pwcnet_1batch --soc_version=Ascend310 --log=info
  

• 编译程序

  bash build.sh
  

  An executable file benchmark will be generated under the path: Benchmark/output/

• 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

参考

[1] https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/pwcnet/PWCNet_ID0171_for_TensorFlow