Skip to content

GitLab

Commit 516269e0 authored by zhanggezhong's avatar zhanggezhong
Browse files

Update README.md

parent 4384910f
Show whitespace changes
Inline Side-by-side
Showing with 93 additions and 71 deletions
README.md
View file @ 516269e0
# TVM # ResNet50_v2
## 模型介绍 ## 论文
``` `Deep Residual Learning for Image Recognition`
ResNet-50v2是ResNet系列中的一个经典模型，由50层卷积层、批量归一化、激活函数和池化层构成。它引入了一种全新的残差块结构， - https://arxiv.org/abs/1512.03385
即bottleneck结构，使得网络参数量大幅度降低，同时精度也有所提升，ResNet-50v2适用于各种图像分类任务。本示例为使用TVM对训练
好的ResNet-50v2 onnx格式的模型文件，进行推理调优及部署的流程。
```
## 模型结构 ## 模型结构
``` ResNet50网络中包含了49个卷积层、1个全连接层等
ResNet50-v2
``` ![img](./doc/ResNet50.png)
## 算法原理
ResNet50使用了多个具有残差连接的残差块来解决梯度消失或梯度爆炸问题，并使得网络可以向更深层发展。
![img](./doc/Residual_Block.png)
## 模型文件 ## 模型文件
模型文件下载地址： 模型文件下载地址：
``` ```
"https://github.com/onnx/models/raw/main/vision/classification/resnet/model/resnet50-v2-7.onnx" "https://github.com/onnx/models/raw/main/vision/classification/resnet/model/resnet50-v2-7.onnx"
``` ```
## 环境配置
### Docker（方法一）
拉取镜像：
```
docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:tvm-0.11_fp32_cpp_dtk22.10_py38_centos-7.6-latest
```
创建并启动容器
```
docker run --shm-size 16g --network=host --name=ResNet50_v2 --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/ResNet50_v2_tvm:/home/ResNet50_v2_tvm -it <Your Image ID> /bin/bash
# 激活dtk
source /opt/dtk/env.sh
```
### Dockerfile（方法二）
```
cd ./docker
docker build --no-cache -t ResNet50_v2_tvm:0.11
docker run --shm-size 16g --network=host --name=ResNet50_v2 --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/ResNet50_v2_tvm:/home/ResNet50_v2_tvm -it <Your Image ID> /bin/bash
# 激活dtk
source /opt/dtk/env.sh
```
## 数据集 ## 数据集
python 推理及调优代码使用的图片数据为： python 推理及调优代码使用的图片数据为：
``` ```
...@@ -27,13 +52,6 @@ ...@@ -27,13 +52,6 @@
``` ```
"https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip" "https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip"
``` ```
## 推理、自动调优及部署
### 环境配置
拉取镜像：
```
docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:tvm-0.11_fp32_cpp_dtk22.10_py38_centos-7.6-latest
```
### 执行推理及调优 ### 执行推理及调优
下载模型文件后执行以下命令进行推理测试及调优测试： 下载模型文件后执行以下命令进行推理测试及调优测试：
``` ```
...@@ -55,11 +73,15 @@ ...@@ -55,11 +73,15 @@
max_iter:0x28cda14 max_iter:0x28cda14
max_num_index:345 max_num_index:345
``` ```
## TVM版本 ## 应用场景
```
TVM-0.11 ### 算法类别
```
图像分类
### 热点应用行业
制造,政府,医疗,科研
## 源码仓库及问题反馈 ## 源码仓库及问题反馈
......
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment