Python使用mobilenet的预训练模型进行预测

Posted 2021-07-31 修炼之路

导读

上一篇文章中我们利用ncnn的例子在visual studio中配置了一个ncnn的运行环境，接下来我们会介绍如何来利用ncnn部署一个自己的模型，这里我们利用ImageNet的mobilenet1.0为例，这篇文章我们先介绍如何在python中使用这个模型来做预测，后面再将这个模型迁移到ncnn中。

先用Python实现模型预测的主要目的是为了验证模型的结果，保证Python中的预测结果与C++中的结果一致，因为在使用ncnn做模型预测的时候，很有可能因为你的某一个操作环境出错而导致你的模型预测错误，有时候你还发现不了，就会严重影响模型的上线性能。所以，通常我都会选用同一张图片先获取模型在Python环境下的预测结果(预测类别的分数)，然后再使用C++转写完成之后再使用这张图片做预测，看两个输出的概率是否一致。有一个问题需要特别注意，由于精度问题Python的输出结果和C++会存在些许差距。

由于模型是mxnet的，所以在使用Python做模型预测的时候也是基于mxnet框架编写的

环境要求

因为代码主要是基于mxnet和gluoncv，所以我们需要安装这两个依赖库

• 安装gpu版本的mxnet

安装gpu版本的mxnet需要先确定cuda的版本，通过nvcc即可确定，例如cuda是9.0

pip install mxnet-cu90

• 安装cpu版本的mxnet

<