爱笑的小姐姐 · 2020年12月17日

【AutoKernel系列教程】二、Tengine快速入门

文章转载于: Tengine开发者社区
作者:小O妹

AutoKernel

系列教程

- Tengine快速入门 -

Tengine是一个轻量级深度神经网络推理引擎。本文档将在x86 Linux平台,以分类模型(Squezenet模型)为例,带你快速上手Tengine。

深度学习神经网络计算流程

概念理解:

神经网络: 神经网络可以理解为计算图(graph),一个计算图由多个算子(operator)节点组成,这些节点可以是卷积算子(Convolution), 池化算子(Pooling), 全连接算子(Fc)等。

神经网络模型: 神经网络模型是由深度学习训练框架(Tensorflow, Caffe, Pytorch, Mxnet等)训练得到的,模型包含了两个信息:

· 神经网络的计算图结构

· 算子的权重数据

计算流程:

1、加载模型:得到神经网络结构和权重数据

2、准备输入数据,喂入输入数据

3、进行模型推理计算

4、获取输出数据

Tengine Squeezenet示例

本示例将按照神经网络推理计算流程,演示如何在Tengine中进行Squeezenet分类网络的推理计算:

1、加载模型

/* load model */
graph_t graph = create_graph(NULL, "tengine", model_file);

model\_file是tengine格式的模型文件:"squeezenet.tmfile"

2、准备输入数据,喂入输入数据

/* prepare input data */
tensor_t input_tensor = get_graph_input_tensor(graph, 0, 0);
set_tensor_shape(input_tensor, dims, 4);
set_tensor_buffer(input_tensor, input_data, img_size * sizeof(float));

3、进行模型推理计算

/* forward */
run_graph(graph, 1);

4、获取输出数据

/* get result */
tensor_t output_tensor = get_graph_output_tensor(graph, 0, 0);
float* output_data = ( float* )get_tensor_buffer(output_tensor);

· 代码 ·

完整的代码源文件在: data/02\_tengine\_tutorial.cpp,代码非常清晰简洁~

代码使用了一些工具函数,在文件tengine\_operations.h中

· 编译 ·


cd tutorials/data
cp /workspace/Tengine/examples/common -r .
mkdir build
cd build
cmake ..
make

· 执行 ·


cd tutorials/data/build

#下载模型和图片
wget https://github.com/OAID/TengineModels/raw/main/images/cat.jpg .
wget https://github.com/OAID/TengineModels/raw/main/tmfiles/squeezenet.tmfile .
./02_tengine_tutorial

· 得到结果 ·

0.273198, 281
0.267550, 282
0.181006, 278
0.081798, 285
0.072406, 151
--------------------------------------
ALL TEST DONE

这是一个分类网络,1000类,index从0到999,每个类别有一个概率分数,运行结果打印出了排名前5的概率分数score和index。

*开源网址:https://github.com/OAID/AutoK...

推荐阅读

更多Tengine相关内容请关注Tengine-边缘AI推理框架专栏。
推荐阅读
关注数
3393
内容数
68
Tengine是一款轻量级模块化高性能的神经网络推理引擎 ;欢迎体验Tengine,[链接] 《Tengine开发者入门资料包》[链接]
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息