技术标签: 嵌入式AI # 海思AI芯片 Tensorflow理论与实战笔记
摘要:
要把自己的模型进行移植,之前是后端的移植,最近前端也提了需求,前端一般都是用海思芯片(海思HI3516DV300),只支持caffe,所以为了先测试时间得把tf的模型转成caffemodel。这里是将tf1.x转为caffemode,后续补全darknet转为caffemode
一、转换ckpt转caffemodel
转换代码:
# coding=utf-8
# Author : AnnSun
# Created date: 2020-06-23
#
from __future__ import print_function, division
caffe_root = '/home/qif/smf/caffe/' # 给为你自己的caffe路径
import sys
sys.path.insert(0, caffe_root + 'python')
import caffe
import numpy as np
import tensorflow as tf
deploy_proto = r"./yolov3_deploy_tf.prototxt"
caffe_model = r"./yolov3_helmet_tf.caffemodel"
# net = caffe.Net(deploy_proto, caffe_model, caffe.TEST)
# checkpoint为模型保存地址
checkpoint_path = './models'
def tf_ckpt2caffemodel(deploy_proto, caffe_model, checkpoint_path):
# 定义自己的net
net = caffe.Net(deploy_proto, caffe.TEST)
# 得到checkpoint文件中所有的参数(名字,形状)元组
for var_name, varshape in tf.contrib.framework.list_variables(checkpoint_path):
# 得到上述参数的值
var = tf.contrib.framework.load_variable(checkpoint_path, var_name)
# var_name为变量的name scope
# var 是该name scope对应的值
# conv layer
ndim = var.ndim
str_var_name = str(var_name)
layerName_split = str_var_name.split("/")
print(layerName_split)
if str_var_name.endswith("weights"):
layer_name = "_".join(layerName_split[1:-1])
if ndim == 4:
v_4d = np.transpose(var, [3, 2, 0, 1])
net.params[layer_name][0].data[...] = v_4d
print(var_name)
print("conv weights {} succefully".format(layer_name))
print(v_4d)
else:
v_2d = np.transpose(var, [1, 0])
net.params[layer_name][0].data[...] = v_2d
print("fc weights {} succefully".format(layer_name))
print(v_2d)
elif str_var_name.endswith('biases'): # .strip("/biases:0")
layer_name = "_".join(layerName_split[1:-1])
net.params[layer_name][1].data[...] = var
print("{} biases succefully".format(layer_name))
print(var)
elif layerName_split[-2] == "BatchNorm":
# BN
bn_name = "_".join(layerName_split[1:-1])
if str_var_name.endswith('moving_mean'):
net.params[bn_name][0].data[...] = var
print("{} BN moving_mean succefully".format(bn_name))
print(var)
elif str_var_name.endswith('moving_variance'):
net.params[bn_name][1].data[...] = var + 1e-3
net.params[bn_name][2].data[...] = np.array([1.0])
print("{} BN moving_variance succefully".format(bn_name))
print(var)
# scale
elif str_var_name.endswith('beta'): # offset
layer_name = "_".join(layerName_split[1:-2]) + "_scale"
net.params[layer_name][1].data[...] = var
print("{} Scale beta succefully".format(layer_name))
print(var)
elif str_var_name.endswith('gamma'):
layer_name = "_".join(layerName_split[1:-2]) + "_scale"
net.params[layer_name][0].data[...] = var
print("{} Scale gamma succefully".format(layer_name))
print(var)
# 保存caffemodel
net.save(caffe_model)
print("\n -- caffeModel Finished. -- \n")
def show_TF_param(checkpoint_path):
with open("tf1_yolov3_prama.txt", "w") as fw:
# 得到checkpoint文件中所有的参数(名字,形状)元组
for var_name, varshape in tf.contrib.framework.list_variables(checkpoint_path):
# 得到上述参数的值
var = tf.contrib.framework.load_variable(checkpoint_path, var_name)
# var_name为变量的name scope
# var 是该name scope对应的值
info_str = str(var_name) + ":" + str(varshape) + "\n"
fw.write(info_str)
fw.write(str(var) + "\n" + "\n")
print(var.ndim)
print(var_name, " : ", varshape)
print(var)
def show_caffe_param(deploy_proto, caffe_model):
net = caffe.Net(deploy_proto, caffe_model, caffe.TEST)
with open("caffe1_yolov3_prama.txt", "w") as fw:
for layer_name, param in net.params.items():
# print(layer_name + ": " + str(len(param)))
for i in range(len(param)):
info_str = layer_name + ': ' + str(i) + "/" + str(len(param)) + str(param[i].data.shape) + str(
param[i].data.ndim)
print(info_str)
fw.write(info_str + "\n")
fw.write(str(param[i].data))
fw.write("\n\n")
if __name__ == '__main__':
# caffe
deploy_proto = r"./yolov3_deploy_tf.prototxt"
caffe_model = r"./yolov3_helmet_tf.caffemodel"
# tf113(slim)
# checkpoint为模型保存地址
checkpoint_path = './models'
tfckpt_to_caffemodel = True
isShowCaffe = True
isShowTF = False
if tfckpt_to_caffemodel:
tf_ckpt2caffemodel(deploy_proto, caffe_model, checkpoint_path)
elif isShowCaffe:
show_caffe_param(deploy_proto, caffe_model)
elif isShowTF:
show_TF_param(checkpoint_path)
函数解析说明:
tf_ckpt2caffemodel():将tf的参数转为caffemodel的参数
show_caffe_param():转换后的caffemodel的参数
show_TF_param():需要转换的TF的模型中的参数
文章浏览阅读2.5w次,点赞6次,收藏50次。官方解释是,docker 容器是机器上的沙盒进程,它与主机上的所有其他进程隔离。所以容器只是操作系统中被隔离开来的一个进程,所谓的容器化,其实也只是对操作系统进行欺骗的一种语法糖。_docker菜鸟教程
文章浏览阅读5.7k次,点赞3次,收藏14次。该如何避免的,今天小编给大家推荐两个下载Windows系统官方软件的资源网站,可以杜绝软件捆绑等行为。该站提供了丰富的Windows官方技术资源,比较重要的有MSDN技术资源文档库、官方工具和资源、应用程序、开发人员工具(Visual Studio 、SQLServer等等)、系统镜像、设计人员工具等。总的来说,这两个都是非常优秀的Windows系统镜像资源站,提供了丰富的Windows系统镜像资源,并且保证了资源的纯净和安全性,有需要的朋友可以去了解一下。这个非常实用的资源网站的创建者是国内的一个网友。_msdn我告诉你
文章浏览阅读1.2k次。vue2封装对话框el-dialog组件_
文章浏览阅读4.7k次,点赞5次,收藏6次。MFC 文本框换行 标签: it mfc 文本框1.将Multiline属性设置为True2.换行是使用"\r\n" (宽字符串为L"\r\n")3.如果需要编辑并且按Enter键换行,还要将 Want Return 设置为 True4.如果需要垂直滚动条的话将Vertical Scroll属性设置为True,需要水平滚动条的话将Horizontal Scroll属性设_c++ mfc同一框内输入二行怎么换行
文章浏览阅读832次。检查Linux是否是否开启所需端口,默认为6379,若未打开,将其开启:以root用户执行iptables -I INPUT -p tcp --dport 6379 -j ACCEPT如果还是未能解决,修改redis.conf,修改主机地址:bind 192.168.85.**;然后使用该配置文件,重新启动Redis服务./redis-server redis.conf..._redis-server doesn't support auth command or ismisconfigured. try
文章浏览阅读4.9k次。济大数电实验报告_数据选择器及其应用
文章浏览阅读236次。1研究内容消费在生产中占据十分重要的地位,是生产的最终目的和动力,是保持省内经济稳定快速发展的核心要素。预测河南省社会消费品零售总额,是进行宏观经济调控和消费体制改变创新的基础,是河南省内人民对美好的全面和谐社会的追求的要求,保持河南省经济稳定和可持续发展具有重要意义。本文建立灰色预测模型,利用MATLAB软件,预测出2019年~2023年河南省社会消费品零售总额预测值分别为21881...._灰色预测模型用什么软件
文章浏览阅读1.2k次。12.4-在Qt中使用Log4Qt输出Log文件,看这一篇就足够了一、为啥要使用第三方Log库,而不用平台自带的Log库二、Log4j系列库的功能介绍与基本概念三、Log4Qt库的基本介绍四、将Log4qt组装成为一个单独模块五、使用配置文件的方式配置Log4Qt六、使用代码的方式配置Log4Qt七、在Qt工程中引入Log4Qt库模块的方法八、获取示例中的源代码一、为啥要使用第三方Log库,而不用平台自带的Log库首先要说明的是,在平时开发和调试中开发平台自带的“打印输出”已经足够了。但_log4qt
文章浏览阅读786次。全局观思维模型,一个教我们由点到线,由线到面,再由面到体,不断的放大格局去思考问题的思维模型。_计算机中对于全局观的
文章浏览阅读330次。一、CountDownLatch介绍CountDownLatch采用减法计算;是一个同步辅助工具类和CyclicBarrier类功能类似,允许一个或多个线程等待,直到在其他线程中执行的一组操作完成。二、CountDownLatch俩种应用场景: 场景一:所有线程在等待开始信号(startSignal.await()),主流程发出开始信号通知,既执行startSignal.countDown()方法后;所有线程才开始执行;每个线程执行完发出做完信号,既执行do..._countdownluach于cyclicbarrier的用法
文章浏览阅读508次。Prometheus 算是一个全能型选手,原生支持容器监控,当然监控传统应用也不是吃干饭的,所以就是容器和非容器他都支持,所有的监控系统都具备这个流程,_-自动化监控系统prometheus&grafana实战
文章浏览阅读4.7k次。输入关键字,可以通过键盘的搜索按钮完成搜索功能。_react search