FastDeploy/examples/vision/classification/paddleclas/ascend/cpp

PaddleClas Ascend NPU C++ 部署示例

本目录下提供的 infer.cc，可以帮助用户快速完成 PaddleClas 模型在华为昇腾NPU上的部署. 本例在鲲鹏920+Atlas 300I Pro的硬件平台下完成测试.(目前暂不支持 X86 CPU的Linux系统部署)

部署准备

华为昇腾NPU 部署环境编译准备

• 1. 软硬件环境满足要求，以及华为昇腾NPU的部署编译环境的准备，请参考：FastDeploy 华为昇腾NPU部署环境编译准备

在 华为昇腾NPU 上部署ResNet50_Vd分类模型

请按照以下步骤完成在 华为昇腾NPU 上部署 ResNet50_Vd 模型：

1. 完成华为昇腾NPU 部署环境编译准备

2. 在当前路径下载部署所需的模型和示例图片：

mkdir models && mkdir images
# 下载模型,并放置于models目录下
wget https://bj.bcebos.com/paddlehub/fastdeploy/ResNet50_vd_infer.tgz
tar -xvf ResNet50_vd_infer.tgz
cp -r ResNet50_vd_infer models
# 下载图片,放置于images目录下
wget https://gitee.com/paddlepaddle/PaddleClas/raw/release/2.4/deploy/images/ImageNet/ILSVRC2012_val_00000010.jpeg
cp -r ILSVRC2012_val_00000010.jpeg images

3. 编译部署示例，用户直接运行本目录下的build.sh文件,或者使用如下命令：

mkdir build && cd build
cmake .. -DFASTDEPLOY_INSTALL_DIR=../../../../../../build/fastdeploy-cann/
make -j8
# 编译成功后,会在build目录下生成infer_demo

4. 运行示例 用户直接运行install文件夹下的run.sh脚本即可.

部署成功后输出结果如下：

ClassifyResult(
label_ids: 153,
scores: 0.685547,
)
#此结果出现后,还会出现一些华为昇腾自带的log信息,属正常现象.