【周易AIPU 仿真】R329 AIPU 初体验：开发板申请及模型仿真测试

开发板申请

近期，为了让开发者更快得体验搭载周易AIPU处理器的R329芯片，极术社区联合矽速科技共同推出了R329开发板申请活动，申请流程请参考：「免费申请」首批基于全志R329芯片的AI开发板免费申请啦

模型仿真测试

以下基于mobilenet\_v1\_50模型进行仿真测试，仿真测试文件及模型文件已打包上传至网盘, 文末包含附件相关下载链接。

模型文件
1.1 预训练模型下载
http://download.tensorflow.org/models/resnet\_v1\_50\_2016\_08\_28.tar.gz
1.2 模型文件生成
下载好预训练的ckpt文件后，转换ckpt到冻结的pb文件, 建议使用tf1.13\~1.15之间的版本，可以参考R329教程一|周易 AIPU 部署及仿真教程

# 导出图
python3 export_inference_graph.py \
    --alsologtostderr \
    --model_name=resnet_v1_50 \
    --image_size=224 \
    --labels_offset=1 \ # resnet_50 specific, default is 0
    --output_file=resnet_v1_50_inf.pb

# 使用预训练权重冻结
python3 freeze_graph.py \
    --input_graph=resnet_v1_50_inf.pb \
    --input_checkpoint=resnet_v1_50.ckpt \
    --input_binary=true --output_graph=resnet_v1_50_frozen.pb \
    --output_node_names= resnet_v1_50/predictions/Reshape_1

注意：实际使用的导出图pb文件，做了优化将输入[-1, 224, 224, 3] 改成 [1, 224, 224, 3],导出图为resnet_v1_50_inf_optimize.pb

矫正集
将图片和label放到dataset目录下的img路径和label.txt下，
执行 preprocess\_dataset.py 生成 dataset.npy和label.npy矫正集文件。
cfg 文件
如附件中 resnet_v1_50_run.cfg 所示：

[Common]
mode=run

[Parser]
model_name = resnet_v1_50
detection_postprocess = 
model_domain = image_classification
output = resnet_v1_50/predictions/Reshape
input_model = ./model/resnet_v1_50_frozen.pb
input = input
input_shape = [1,224,224,3]
output_dir = ./

[AutoQuantizationTool]
model_name = resnet_v1_50
quantize_method = SYMMETRIC
ops_per_channel = DepthwiseConv
calibration_data = ./dataset/dataset.npy
calibration_label = ./dataset/label.npy
preprocess_mode = normalize
quant_precision=int8
reverse_rgb = False
label_id_offset = 0

[GBuilder]
inputs=./model/input.bin
simulator=aipu_simulator_z1
outputs=output_resnet_v1_50.bin
profile= True
target=Z1_0701

simulator 执行结果
执行脚本./run_sim.sh或执行命令aipubuild config/resnet_v1_50_run.cfg
运行之后得到 output_resnet_v1_50.bin，使用 quant_predict.py 解析后：

predict first 5 label:
    index   63, prob 127, name: rock python, rock snake, Python sebae
    index   58, prob 102, name: garter snake, grass snake
    index   60, prob  97, name: vine snake
    index  113, prob  88, name: conch
    index   53, prob  87, name: thunder snake, worm snake, Carphophis amoenus
true first 5 label:
    index   65, prob 115, name: green mamba
    index   58, prob  93, name: garter snake, grass snake
    index   62, prob  93, name: boa constrictor, Constrictor constrictor
    index   54, prob  90, name: ringneck snake, ring-necked snake, ring snake
    index   60, prob  86, name: vine snake
Detect picture save to result.jpeg

Detect picture save to result.jpeg
对比预测结果，可以看到较准确地预测了图片内容为snake类， rock snake 或 grass snake (眼镜蛇)
完整输出日志结果附在了 AIPU-Zhouyi-Resnet\_v1\_50/log.txt下

模型实机测试

待申请好R329开发板后，实机评测验证

附件
下载地址：AIPU-Zhouyi-Resnet_v1_50.tar.gz

链接: https://pan.baidu.com/s/1IIez...
提取码: xyuw

附件目录：

推荐阅读

目录