Ubuntu16.04—騰訊NCNN架構入門到應用
前言
兩天前騰訊釋出NCNN深度學習架構後,發現可能有些同學對如何使用這些架構并不是十分的了解,一方面這是一個新的架構,另一方面Tencent出的文檔對一些細節沒有叙述,可能大牛們覺得很容易的步驟,我們往往會卡在那裡,是以寫下這篇部落格來幫助一些對NCNN架構不是很熟悉的人來快速入門。
NCNN源碼的位址為https://github.com/Tencent/ncnn
在Ubuntu上安裝NCNN
1. 下載下傳編譯源碼
ruyiwei@ruyiwei:~/code$ git clone https://github.com/Tencent/ncnn
下載下傳完成後,需要對源碼進行編譯
cd ncnn
mkdir build && cd build
cmake ..
make -j
make install
執行完畢後我們可以看到
Install the project...
-- Install configuration: "release"
-- Installing: /home/ruyiwei/code/ncnn/build/install/lib/libncnn.a
-- Installing: /home/ruyiwei/code/ncnn/build/install/include/blob.h
-- Installing: /home/ruyiwei/code/ncnn/build/install/include/cpu.h
-- Installing: /home/ruyiwei/code/ncnn/build/install/include/layer.h
-- Installing: /home/ruyiwei/code/ncnn/build/install/include/mat.h
-- Installing: /home/ruyiwei/code/ncnn/build/install/include/net.h
-- Installing: /home/ruyiwei/code/ncnn/build/install/include/opencv.h
-- Installing: /home/ruyiwei/code/ncnn/build/install/include/platform.h
我們進入 ncnn/build/tools 目錄下,如下所示,我們可以看到已經生成了 caffe2ncnn 可ncnn2mem這兩個可執行檔案,這兩個可執行檔案的作用是将caffe模型生成ncnn 模型,并且對模型進行加密,具體的使用方法我門在下一節講述。
[email protected]:~/code/ncnn/build/tools$ ll
total
drwxrwxr-x ruyiwei ruyiwei 月 : ./
drwxrwxr-x ruyiwei ruyiwei 月 : ../
-rwxrwxr-x ruyiwei ruyiwei 月 : caffe2ncnn*
-rw-rw-r-- ruyiwei ruyiwei 月 : caffe.pb.cc
-rw-rw-r-- ruyiwei ruyiwei 月 : caffe.pb.h
drwxrwxr-x ruyiwei ruyiwei 月 : CMakeFiles/
-rw-rw-r-- ruyiwei ruyiwei 月 : cmake_install.cmake
-rw-rw-r-- ruyiwei ruyiwei 月 : Makefile
-rwxrwxr-x ruyiwei ruyiwei 月 : ncnn2mem*
2. 将caffe下Alexnet網絡模型轉換為NCNN模型
我們在測試的過程中需要caffemodel以及deploy.prototxt,是以我們再将caffe模型轉換為NCNN模型的時候,同樣也需要caffemodel以及deploy.prototxt這兩個檔案,為了友善,我們使用AlexNet為例講解。
alexnet 的 deploy.prototxt 可以在這裡下載下傳 https://github.com/BVLC/caffe/tree/master/models/bvlc_alexnet
alexnet 的 caffemodel 可以在這裡下載下傳 http://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodel
由于NCNN提供的轉換工具隻支援轉換新版的caffe模型,是以我們需要利用caffe自帶的工具将舊版的caffe模型轉換為新版的caffe模型後,在将新版本的模型轉換為NCNN模型.
舊版本caffe模型->新版本caffe模型->NCNN模型
2.1 舊版caffe模型轉新版caffe模型
我們執行如下指令.[要記得修改路徑]
ruyiwei@ruyiwei:~/code/ncnn/build/tools$ ~/caffe/build/tools/upgrade_net_proto_text deploy.prototxt new_deplpy.prototxt
ruyiwei@ruyiwei:~/code/ncnn/build/tools$ ~/caffe/build/tools/upgrade_net_proto_binary bvlc_alexnet.caffemodel new_bvlc_alexnet.caffemodel
上面的指令需要根據自己的caffe位置進行修改
執行後,就可以生成新的caffe模型.
因為我們每次檢測一張圖檔,是以要對新生成的deploy.prototxt進行修改:第一個 dim 設為 1
layer {
name: "data"
type: "Input"
top: "data"
input_param { shape: { dim: dim: dim: dim: } }
}
2.2 新版caffe模型轉ncnn模型
ruyiwei@ruyiwei:~/code/ncnn/build/tools$./caffe2ncnn new_deplpy.prototxt new_bvlc_alexnet.caffemodel alexnet.param alexnet.bin
執行上面指令後就可以生成NCNN模型需要的param 與bin 檔案.
[email protected]:~/code/ncnn/build/tools$ ll
total
drwxrwxr-x ruyiwei ruyiwei 月 : ./
drwxrwxr-x ruyiwei ruyiwei 月 : ../
-rw-rw-r-- ruyiwei ruyiwei 月 : alexnet.bin
-rw-rw-r-- ruyiwei ruyiwei 月 : alexnet.param
-rw-rw-r-- ruyiwei ruyiwei 月 : bvlc_alexnet.caffemodel
-rwxrwxr-x ruyiwei ruyiwei 月 : caffe2ncnn*
-rw-rw-r-- ruyiwei ruyiwei 月 : caffe.pb.cc
-rw-rw-r-- ruyiwei ruyiwei 月 : caffe.pb.h
drwxrwxr-x ruyiwei ruyiwei 月 : CMakeFiles/
-rw-rw-r-- ruyiwei ruyiwei 月 : cmake_install.cmake
-rw-rw-r-- ruyiwei ruyiwei 月 : deploy.prototxt
-rw-rw-r-- ruyiwei ruyiwei 月 : Makefile
-rwxrwxr-x ruyiwei ruyiwei 月 : ncnn2mem*
-rw-rw-r-- ruyiwei ruyiwei 月 : new_bvlc_alexnet.caffemodel
-rw-r--r-- ruyiwei ruyiwei 月 : new_deplpy.prototxt
3. 對模型參數加密
得到的alexnet.param是明文可見的,往往釋出的過程需要對這些檔案進行加密,NCNN提供了對應的加密工具,ncnn2mem,
ruyiwei@ruyiwei:~/code/ncnn/build/tools$ ./ncnn2mem alexnet.param alexnet.bin alexnet.id.h alexnet.mem.h
最後可以生成 alexnet.param.bin 這樣的二進制加密檔案.
對于加密檔案的讀取也和原來不同,在源碼中,非加密param讀取方式為
ncnn::Net net;
net.load_param("alexnet.param");
net.load_model("alexnet.bin");
加密param.bin讀取方式為
ncnn::Net net;
net.load_param_bin("alexnet.param.bin");
net.load_model("alexnet.bin");
4. 編譯NCNN例程
前面介紹了如何将caffe模型轉為NCNN模型并且加密,最後我們來編譯NCNN的例程,這樣可以更直覺的運作或者了解NCNN.
首先我們需要進入ncnn/examples目錄
建立一個makefile,内容如下,最重要的是,NCNN例程式隻支援opencv2,不支援opencv3.
NCNN = /home/ruyiwei/code/ncnn
OPENCV = /home/ruyiwei/Downloads/opencv-.
INCPATH = -I${NCNN}/build/install/include \
-I${OPENCV}/modules/objdetect/include \
-I${OPENCV}/modules/highgui/include \
-I${OPENCV}/modules/imgproc/include \
-I${OPENCV}/modules/core/include
LIBS = -lopencv_core -lopencv_highgui -lopencv_imgproc \
-fopenmp -pthread
LIBPATH = -L${OPENCV}/build/lib
%:%.cpp
$(CXX) $(INCPATH) $(LIBPATH) $^ ${NCNN}/build/install/lib/libncnn.a $(LIBS) -o $@
在目前目錄執行
ruyiwei@ruyiwei:~/code/ncnn/examples$ ./squeezenet test.jpg
可得到如下結果
ruyiwei@ruyiwei:~/code/ncnn/examples$ ./squeezenet test.jpg
= .
= .98
= .8
test.jpg 為下圖所示:
為了可以更直覺的顯示,我們修改代碼如下:
#include <stdio.h>
#include <algorithm>
#include <vector>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;
#include "net.h"
static int detect_squeezenet(const cv::Mat& bgr, std::vector<float>& cls_scores)
{
ncnn::Net squeezenet;
squeezenet.load_param("squeezenet_v1.1.param");
squeezenet.load_model("squeezenet_v1.1.bin");
ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR, bgr.cols, bgr.rows, , );
const float mean_vals[] = {, , };
in.substract_mean_normalize(mean_vals, );
ncnn::Extractor ex = squeezenet.create_extractor();
ex.set_light_mode(true);
ex.input("data", in);
ncnn::Mat out;
ex.extract("prob", out);
cls_scores.resize(out.c);
for (int j=; j<out.c; j++)
{
const float* prob = out.data + out.cstep * j;
cls_scores[j] = prob[];
}
return ;
}
static int print_topk(const std::vector<float>& cls_scores, int topk, vector<int>& index_result, vector<float>& score_result)
{
// partial sort topk with index
int size = cls_scores.size();
std::vector< std::pair<float, int> > vec;
vec.resize(size);
for (int i=; i<size; i++)
{
vec[i] = std::make_pair(cls_scores[i], i);
}
std::partial_sort(vec.begin(), vec.begin() + topk, vec.end(), std::greater< std::pair<float, int> >());
// print topk and score
for (int i=; i<topk; i++)
{
float score = vec[i].first;
int index = vec[i].second;
index_result.push_back(index);
score_result.push_back(score);
//fprintf(stderr, "%d = %f\n", index, score);
}
return ;
}
static int load_labels(string path, vector<string>& labels)
{
FILE* fp = fopen(path.c_str(), "r");
while (!feof(fp))
{
char str[];
fgets(str, , fp); //¶ÁÈ¡Ò»ÐÐ
string str_s(str);
if (str_s.length() > )
{
for (int i = ; i < str_s.length(); i++)
{
if (str_s[i] == ' ')
{
string strr = str_s.substr(i, str_s.length() - i - );
labels.push_back(strr);
i = str_s.length();
}
}
}
}
return ;
}
int main(int argc, char** argv)
{
const char* imagepath = argv[];
vector<string> labels;
load_labels("synset_words.txt", labels);
cv::Mat m = cv::imread(imagepath, CV_LOAD_IMAGE_COLOR);
if (m.empty())
{
fprintf(stderr, "cv::imread %s failed\n", imagepath);
return -;
}
std::vector<float> cls_scores;
detect_squeezenet(m, cls_scores);
vector<int> index;
vector<float> score;
print_topk(cls_scores, , index, score);
for (int i = ; i < index.size(); i++)
{
cv::putText(m, labels[index[i]], Point(, + * i), CV_FONT_HERSHEY_SIMPLEX, , Scalar(, , ), , );
}
imshow("m", m);
imwrite("test_result.jpg", m);
waitKey();
return ;
}
這樣就可以直覺的顯示出具體的類别,而不是數字,結果如下:
感謝
https://github.com/guozhongluo/ncnn-vs2015-examples-demo
https://github.com/Tencent/ncnn/wiki