×

签到

分享到微信

打开微信,使用扫一扫进入页面后,点击右上角菜单,

点击“发送给朋友”或“分享到朋友圈”完成分享

深度学习实验-非实时图像风格迁移(离线推理) libcyber2022-06-29 12:10:01 回复 查看 经验交流 高校课程
深度学习实验-非实时图像风格迁移(离线推理)
分享到:

在执行 MLU 在线推理时,通过配置文件生成并保存两种离线模型至/opt/AICSE-demo-student/demo/style_transfer_bcl/models/offline_models 文件夹下。补全 CNRT 离线推理模型代码:/opt/AICSE-demo-student/demo/style_transfer_bcl/src/offline/src/inference.cpp 然后编译并执行离线推理。

该部分实验可以参考手册和实验一中powerDiff.cpp共同完成。

手册地址:CNRT官方例程

但是还需要注意以下几点:

1.模型文件的名字name:name的值并不是DataT中model_name,而需要点开/offline_models/*.cambricon_twins文件中查看。

2.模型的输入数据inputCpuPtrS:该指针指向的数据已经由data_provider.cpp所处理好直接在(*DataT).input_data中。

3.模型数据转化:需要注意模型的输入输出均是half型,而该函数所提供的输入和输出均是float型,需要使用cnrtConvertFloatToHalfArray内置功能进行转换。

4.数据尺寸inputSizeS & outputSizeS:DataT中均没有提供,直接使用示例程序的中方法获得即可。

5.内存空间释放:在示例程序中最后均进行了free(input&output)的操作,在这个cpp文件里不要实现,因为后续的post_processor.cpp环节还要使用这个空间。


实验环境推荐使用vscode装载remote-ssh插件后使用

进入软件点击左下角按钮

image.png

选择connect to host

输入如下命令

ssh root@{your host} -p {your port}

然后输入创建开发容器后拿到的密码即可进入

选择打开文件夹输入/opt/路径即可

vscode可以直接点击左侧文件进行编辑

版权所有 © 2024 寒武纪 Cambricon.com 备案/许可证号:京ICP备17003415号-1
关闭