【昇騰】【每天進步一點點】移植應用到Atlas 200 DK關于輸入的一點問題（Python版）

原因：

在將PC端成功運行的程序（基于TensorFlows框架）移植到Atlas 200 DK時，關于模型輸入的問題，在PC端是做了resize 和歸一化，之后送入模型，代碼如下：

height,?width,?_?=?image.shape ????image_resized?=?cv2.resize(image,?target_shape) ????image_np?=?image_resized?/?255.0??#?歸一化到0~1 ????image_exp?=?np.expand_dims(image_np,?axis=0) ????#?送入模型推理 ????result?=?model.predict(image_exp)

闡釋：

也就是說送入模型的是image_exp，在這里是一張拓展了一維的RGB圖像。但在Atlas 200 DK上不是將image_exp，因為我在做模型轉換時，這個部分已經在模型中做了，所以只需要將RGB三通道圖像輸入模型就好了。相比與上面代碼大體為：

height,?width,?_?=?image.shape ????image_resized?=?cv2.resize(image,?target_shape) ????#?送入模型推理 ????result?=?model.predict(image_exp)

是不是更簡潔了，因為歸一化操作可以在模型轉換時自行設置，就不用在代碼中寫了。Atlas 200 DK的AIPP可以完成常用的圖像預處理，支持YUV420SP_U8（根據UV交織順序不同，YUV420SP_U8又分為YUV420SP_UV_NV12和YUV420SP_VU_NV21，默認為YUV420SP_UV_NV12）、XRGB8888_U8、RGB888_U8、YUV400_U8等格式，能夠在AI Core上完成改變圖像尺寸、色域轉換、圖像歸一化（減均值/乘系數）和剪裁（需指定剪裁起始點，剪裁出神經網絡需要大小的圖片）等操作（以上部分來自官方文檔介紹）。是不是十分方便，在開發時只需要寫很少的預處理代碼就可以了，而且通過硬件處理還能提高處理速度。

昇騰 華為Atlas 200 DK AI開發者套件 Python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。