# 介绍

该测试用例可用于ResNet50等网络的性能测试及精度验证。

# 单卡测试（单精度）

## 运行

    export PYTHONPATH=/path/to/tensorflow/model:$PYTHONPATH    
    export HIP_VISIBLE_DEVICES=0
    python3 official/vision/image_classification/resnet/resnet_ctl_imagenet_main.py --data_dir=/path/to/{ImageNet-tensorflow_data_dir} --model_dir=/path/to/{model_save_dir} --batch_size=128 --num_gpus=1  --use_synthetic_data=false
  
# 单卡测试 （混合精度）

## 运行 

    export PYTHONPATH=/path/to/tensorflow/model:$PYTHONPATH
    export HIP_VISIBLE_DEVICES=0
    python3 official/vision/image_classification/resnet/resnet_ctl_imagenet_main.py --data_dir=/path/to/{ImageNet-tensorflow_data_dir} --model_dir=/path/to/{model_save_dir} --batch_size=128 --num_gpus=1  --use_synthetic_data=false --dtype=fp16

# 多卡测试 （单精度）

## 运行
    export PYTHONPATH=/path/to/tensorflow/model:$PYTHONPATH
    mpirun -np $np --hostfile hostfile --bind-to none scripts-run/single_process.sh

    多卡测试时需要修改部分代码，具体可参考[multi-worker](https://tensorflow.google.cn/guide/migrate/multi_worker_cpu_gpu_training?hl=en)

# 参考
[https://github.com/tensorflow/models/tree/v2.7.0](https://github.com/tensorflow/models/tree/v2.7.0/official/vision/image_classification/resnet)