基于Caffe ResNet-50网络实现图片分类（视频解码+同步推理）

该样例是基于Caffe ResNet-50网络来实现图片分类功能，芯片要求是Ascend310、310P和910。在开始前，首先要建议大家点击下方图片，报名CANN训练营活动，然后入群找小助手领取代金券，这样就可以零成本进行样例开发了。

本次样例使用的是vdec，VDEC（Video Decoder）负责将H264/H265格式的视频码流解码为YUV/RGB格式的图片。输入码流格式支持H264/H265，若码流中有坏帧、缺帧等情况，解码器VDEC可能会丢帧，下图是VDEC整个过程实现的流程图：

参考下方的链接进行样例体验：

https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/1_classification/vdec_resnet50_classification

环境准备

具体的步骤，可以参考我之前发的文章，这里简单介绍下，首先购买华为云弹性云服务器，如图：

通过下方链接下载CANN8版本的软件包和驱动：

https://www.hiascend.com/developer/download/community/result?module=cann

https://www.hiascend.com/hardware/firmware-drivers/community?product=2&model=3&cann=8.0.RC2.alpha001&driver=1.0.22.alpha

上传到服务器，执行命令升级CANN版本。

样例准备及运行

下载样例和resnet50模型等样例相关文件上传到对应的文件夹：

ATC转换模型文件：

atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --soc_version=Ascend310 --insert_op_conf=caffe_model/aipp.cfg --output=model/resnet50_aipp

命令执行后，需要等待一会，我们借此正好简单介绍下上面参数的含义，--model代表需要转换的模型文件；--weight代表的是权重文件；--framework为原始的框架，0代表caffe，1代表mindspore，3代表tensorflow，5代表onnx；soc_version代表的是芯片型号，insert_op_conf代表算子配置文件；--output代表的是模型的输出位置。

编译运行

配置环境变量，需要注意的是$HOME是你的CANN安装路径，比如我的安装路径上在/usr/local，所以需要改成合适的路径，否则编译会失败。

export DDK_PATH=$HOME/Ascend/ascend-toolkit/latest

export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub

创建编译文件存放位置：

mkdir -p build/intermediates/host

因为我的运行环境和开发环境一致，如果环境不一致，参考样例提供的样例命令执行，进入文件夹并编译：

cd build/intermediates/host

cmake ../../../src -DCMAKE_CXX_COMPILER=g++ -DCMAKE_SKIP_RPATH=TRUE

如下图说明编译成功：

如果上面的环境配置错误，那么有可能在编译时会出现如下错误：

样例运行

切换到样例的out路径下，里面有个main文件，一般是有执行权限的，如果没有需要为其增加权限。

cd ../../../out  ./main

输出如下图，代表样例执行成功：