本样例为大家学习昇腾软件栈提供参考，非商业目的！

本README只提供命令行方式运行样例的指导，如需在Mindstudio下运行样例，请参考Mindstudio运行图片样例wiki。

图片googlenet分类样例

功能：使用googlenet模型对输入图片进行分类推理。
样例输入：待推理的jpg图片。
样例输出：推理后的jpg图片。

前置条件

请检查以下条件要求是否满足，如不满足请按照备注进行相应处理。

获取Atlas 200I DK A2硬件设备。根据官方文档https://www.hiascend.com/document/detail/zh/Atlas200IDKA2DeveloperKit/23.0.RC1/qs/qs_0003.html获取SD卡，并完成一键制卡。

本样例将通过远程登录的方式在Atlas 200I DK A2上完成。

样例准备

1. 获取源码包。

   可以使用以下两种方式下载，请选择其中一种进行源码准备。

   • 命令行方式下载（下载时间较长，但步骤简单）。

     # 开发环境，非root用户命令行中执行以下命令下载源码仓。    
     cd ${HOME}     
     git clone https://gitee.com/ascend/samples.git
     
     注：如果需要切换到其它tag版本，以v0.5.0为例，可执行以下命令。

     git checkout v0.5.0
     
   • 压缩包方式下载（下载时间较短，但步骤稍微复杂）。
     注：如果需要下载其它版本代码，请先请根据前置条件说明进行samples仓分支切换。

      # 1. samples仓右上角选择 【克隆/下载】 下拉框并选择 【下载ZIP】。    
      # 2. 将ZIP包上传到开发环境中的普通用户家目录中，【例如：${HOME}/ascend-samples-master.zip】。     
      # 3. 开发环境中，执行以下命令，解压zip包。     
      cd ${HOME}    
      unzip ascend-samples-master.zip
     

2. 获取此应用中所需要的原始网络模型。

   模型名称	模型说明	模型下载路径
   googlenet	图片分类推理模型。是基于pytorch的GoogLeNet模型。	请参考https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/cv/classification/GoogleNet_ID1623_for_PyTorch/ATC_googlenet_pth_AE目录中README.md下载原始模型章节下载模型和权重文件。

   （注：以下命令中最后一行关于atc的命令，请参考文档（[https://www.hiascend.com/document/detail/zh/Atlas200IDKA2DeveloperKit/23.0.RC1/Application Development Guide/ttmutat/tmuacop_0025.html]）或（[https://www.hiascend.com/document/detail/zh/Atlas200IDKA2DeveloperKit/23.0.RC1/Application Development Guide/ttmutat/tmuacop_0028.html]）完成）

   # 为了方便下载，在这里直接给出原始模型下载及模型转换命令,可以直接拷贝执行。也可以参照上表在modelzoo中下载并手工转换，以了解更多细节。     
   cd $HOME/samples/python/level2_simple_inference/1_classification/googlenet_onnx_picture/model
   wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/classification/googlenet.onnx   
   wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/googlenet_onnx_picture/insert_op.cfg
   atc --model=./googlenet.onnx --framework=5 --output=googlenet_yuv --soc_version=Ascend310B1 --insert_op_conf=insert_op.cfg --input_shape="actual_input_1:1,3,224,224" --input_format=NCHW
   

3. 获取样例需要的测试图片。

   执行以下命令，进入样例的data文件夹中，下载对应的测试图片。
   cd $HOME/samples/python/level2_simple_inference/1_classification/googlenet_onnx_picture/data
   wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/googlenet_imagenet_picture/test_image/test1.jpg
   cd ../src
   

样例运行

注：开发环境与运行环境合一部署，请跳过步骤1，直接执行步骤2即可。

1. 执行以下命令,将开发环境的 googlenet_onnx_picture 目录上传到运行环境中，例如 /home/HwHiAiUser，并以HwHiAiUser（运行用户）登录运行环境（Host）。

   # 【xxx.xxx.xxx.xxx】为运行环境ip，200DK在USB连接时一般为192.168.1.2，300（ai1s）为对应的公网ip。
   scp -r $HOME/samples/python/level2_simple_inference/1_classification/googlenet_onnx_picture HwHiAiUser@xxx.xxx.xxx.xxx:/home/HwHiAiUser
   ssh HwHiAiUser@xxx.xxx.xxx.xxx
   cd ${HOME}/googlenet_onnx_picture/src    
   

2. 运行样例。

   python3 classify.py ../data/
   

查看结果

运行完成后，会在样例工程的out目录下生成带推理结果的jpg图片，显示对比结果如下所示。

常见错误

请参考常见问题定位对遇到的错误进行排查。如果wiki中不包含，请在samples仓提issue反馈。