3403(3519Dv500)算子精度比对工具标杆数据生成环境搭建指导(Caffe)

一、简介

海思平台算子精度比对工具所依赖的标杆数据生成环境搭建指导文档,基于ubuntu操作系统,目前仅支持 Caffe 。

二、环境准备

1.caffe安装

参考:

  1. caffe 推理场景dump脚本使用方法

(1)功能说明

用于获取caffe的运行结果,可以获取每一层的结果,输入需要是bin文件。

示例1:dump模型每个节点的npy结果文件

python3.7 caffe_dump.py -m resnet50.prototxt -w resnet50.caffemodel -i test.bin -n 'data' -o ./output_d

其中 -n 指定的名称为模型的实际输入名称,-i 指定的输入文件需要与输入名称一一对应,且大小以及数据类型相匹配。

示例1:npy格式的dump文件会生成到 -o 指定的路径中,如下图:

caffe_dump.py

# coding=utf-8

import caffe
import sys
import argparse
import os
import caffe.proto.caffe_pb2 as caffe_pb2
import google.protobuf.text_format
import json
import numpy as np
import time

TIME_LENGTH = 1000
FILE_PERMISSION_FLAG = 0o600
class CaffeProcess:
    def __init__(self):
        parse = argparse.ArgumentParser()
        parse.add_argument("-w", dest="weight_file_path",
                           help="<Required> the caffe weight file path",
                           required=True)
        parse.add_argument("-m", dest="model_file_path",
                           help="<Required> the caffe model file path",
                           required=True)
        parse.add_argument("-o", dest="output_path", help="<Required> the output path",
                           required=True)
        parse.add_argument("-i", "--input_bins", dest="input_bins", help="input_bins bins. e.g. './a.bin;./c.bin'",
                           required=True)
        parse.add_argument("-n", "--input_names", dest="input_names",
                           help="input nodes name. e.g. 'input_0;input_1'",
                           required=True)
        args, _ = parse.parse_known_args(sys.argv[1:])
        self.weight_file_path = os.path.realpath(args.weight_file_path)
        self.model_file_path = os.path.realpath(args.model_file_path)
        self.input_bins = args.input_bins.split(";")
        self.input_names = args.input_names.split(";")
        self.output_path = os.path.realpath(args.output_path)
        self.net_param = None
        self.cur_layer_idx = -1

    @staticmethod
    def _check_file_valid(path, is_file):
        if not os.path.exists(path):
            print('Error: The path "' + path + '" does not exist.')
            exit(-1)
        if is_file:
            if not os.path.isfile(path):
                print('Error: The path "' + path + '" is not a file.')
                exit(-1)
        else:
            if not os.path.isdir(path):
                print('Error: The path "' + path + '" is not a directory.')
                exit(-1)

    def _check_arguments_valid(self):
        self._check_file_valid(self.model_file_path, True)
        self._check_file_valid(self.weight_file_path, True)
        self._check_file_valid(self.output_path, False)
        for input_file in self.input_bins:
            self._check_file_valid(input_file, True)

    @staticmethod
    def calDataSize(shape):
        dataSize = 1
        for dim in shape:
            dataSize *= dim
        return dataSize

    def _load_inputs(self, net):
        inputs_map = {}
        for layer_name, blob in net.blobs.items():
            if layer_name in self.input_names:
                input_bin = np.fromfile(
                    self.input_bins[self.input_names.index(layer_name)], np.float32)
                input_bin_shape = blob.data.shape
                if self.calDataSize(input_bin_shape) == self.calDataSize(input_bin.shape):
                    input_bin = input_bin.reshape(input_bin_shape)
                else:
                    print("Error: input node data size %d not match with input bin data size %d.", self.calDataSize(
                        input_bin_shape), self.calDataSize(input_bin.shape))
                    exit(-1)
                inputs_map[layer_name] = input_bin
        return inputs_map

    def process(self):
        """
        Function Description:
            process the caffe net, save result as dump data
        """
        # check path valid
        self._check_arguments_valid()

        # load model and weight file
        net = caffe.Net(self.model_file_path, self.weight_file_path,
                        caffe.TEST)
        inputs_map = self._load_inputs(net)
        for key, value in inputs_map.items():
            net.blobs[key].data[...] = value
        # process
        net.forward()

        # read prototxt file
        net_param = caffe_pb2.NetParameter()
        with open(self.model_file_path, 'rb') as model_file:
            google.protobuf.text_format.Parse(model_file.read(), net_param)
        for layer in net_param.layer:
            name = layer.name.replace("/", "_").replace(".", "_")
            index = 0
            for top in layer.top:
                data = net.blobs[top].data[...]
                file_name = name + "." + str(index) + "." + str(
                    round(time.time() * 1000000)) + ".npy"
                output_dump_path = os.path.join(self.output_path, file_name)
                np.save(output_dump_path, data)
                os.chmod(output_dump_path, FILE_PERMISSION_FLAG)
                print('The dump data of "' + layer.name
                      + '" has been saved to "' + output_dump_path + '".')
                index += 1
if __name__ == "__main__":
    caffe_process = CaffeProcess()
    caffe_process.process()
相关推荐
Sxiaocai9 分钟前
使用 PyTorch 实现并训练 VGGNet 用于 MNIST 分类
pytorch·深度学习·分类
GL_Rain10 分钟前
【OpenCV】Could NOT find TIFF (missing: TIFF_LIBRARY TIFF_INCLUDE_DIR)
人工智能·opencv·计算机视觉
shansjqun15 分钟前
教学内容全覆盖:航拍杂草检测与分类
人工智能·分类·数据挖掘
狸克先生17 分钟前
如何用AI写小说(二):Gradio 超简单的网页前端交互
前端·人工智能·chatgpt·交互
baiduopenmap32 分钟前
百度世界2024精选公开课:基于地图智能体的导航出行AI应用创新实践
前端·人工智能·百度地图
小任同学Alex35 分钟前
浦语提示词工程实践(LangGPT版,服务器上部署internlm2-chat-1_8b,踩坑很多才完成的详细教程,)
人工智能·自然语言处理·大模型
新加坡内哥谈技术41 分钟前
微软 Ignite 2024 大会
人工智能
江瀚视野1 小时前
Q3净利增长超预期,文心大模型调用量大增,百度未来如何分析?
人工智能
陪学1 小时前
百度遭初创企业指控抄袭,维权还是碰瓷?
人工智能·百度·面试·职场和发展·产品运营
QCN_1 小时前
湘潭大学人工智能考试复习1(软件工程)
人工智能