【昇腾】【每天进步一点点】移植应用到Atlas 200 DK关于输入的一点问题（Python版）

原因：

在将PC端成功运行的程序（基于TensorFlows框架）移植到Atlas 200 DK时，关于模型输入的问题，在PC端是做了resize 和归一化，之后送入模型，代码如下：

    height, width, _ = image.shape
    image_resized = cv2.resize(image, target_shape)
    image_np = image_resized / 255.0  # 归一化到0~1
    image_exp = np.expand_dims(image_np, axis=0)

    # 送入模型推理
    result = model.predict(image_exp)

阐释：

也就是说送入模型的是image_exp，在这里是一张拓展了一维的RGB图像。但在Atlas 200 DK上不是将image_exp，因为我在做模型转换时，这个部分已经在模型中做了，所以只需要将RGB三通道图像输入模型就好了。相比与上面代码大体为：

    height, width, _ = image.shape
    image_resized = cv2.resize(image, target_shape)

    # 送入模型推理
    result = model.predict(image_exp)

是不是更简洁了，因为归一化操作可以在模型转换时自行设置，就不用在代码中写了。Atlas 200 DK的AIPP可以完成常用的图像预处理，支持YUV420SP_U8（根据UV交织顺序不同，YUV420SP_U8又分为YUV420SP_UV_NV12和YUV420SP_VU_NV21，默认为YUV420SP_UV_NV12）、XRGB8888_U8、RGB888_U8、YUV400_U8等格式，能够在AI Core上完成改变图像尺寸、色域转换、图像归一化（减均值/乘系数）和剪裁（需指定剪裁起始点，剪裁出神经网络需要大小的图片）等操作（以上部分来自官方文档介绍）。是不是十分方便，在开发时只需要写很少的预处理代码就可以了，而且通过硬件处理还能提高处理速度。