中文|English

TransNet ITensorFlow离线推理

此链接提供TransNet 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/TransNet_for_ACL

2. 设置环境

apt install ffmpeg
pip3 install -r requirements.txt

3. 下载演示视频

1. 下载的演示视频 'BigBuckBunny.mp4' 下载链接

2. 将视频文件移动到 'scripts' 并且将其转换为bin文件:

cd scripts
mkdir input_bins
python3 video_pre_postprocess.py --video_path BigBuckBunny.mp4 --output_path input_bins --mode preprocess

视频文件将转换为bin-fils存储在 **input_bins/**下面.

4. 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=transnet_tf.pb --framework=3 --output=transnet_tf_1batch --output_type=FP32 --soc_version=Ascend310 --input_shape="TransNet/inputs:1,100,27,48,3" --log=info
  

• 编译程序

  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

演示视频的镜头转换帧id:

[1      37]
[41    284]
[285   377]
[378   552]
[553  1144]
[1145 1345]
[1346 1441]

参考

[1] https://github.com/soCzech/TransNet