CRNN模型验证码识别之模型转换和验证

模型转换第一步，pytorch到onnx的转换

1.1 复制test.py 文件，修改文件名为pth_to_onnx.py
1.2 删除92行-112行代码，在92行插入以下代码
torch.onnx.export(
model,
torch.randn(1, 1, 32, 128),
‘captcha.onnx’
)
1.3 删除def recognition 节点下所有代码（37行-75行）

1.4 运行pth_to_onnx文件，注意修改文件路径和checkpoint文件名

!python pth_to_onnx.py --cfg config.yaml --checkpoint /home/ma-user/work/checkpoint_51_acc_0.9411.pth --image_folder test_images

模型转换第二步，onnx到mindir的转换

2.1 转换为mindir文件

!converter_lite --modelFile=‘captcha.onnx’ --fmk=ONNX --outputFile=‘captcha’ --saveType=MINDIR --inputShape=“input.1:1, 1, 32, 128” --device=Ascend

修改验证脚本
3.1 复制验证脚本到test_mindir.py
3.2 第83到90行注释，第91行添加代码：
context = mslite.Context()
context.target = [‘ascend’]
context.ascend.device_id = 0

model = mslite.Model()
model.build_from_file(‘captcha.mindir’,mslite.ModelType.MINDIR,context)
3.3 第59到63行代码注释，第67行加入代码：
inputs = model.get_inputs()
inputs[0].inputs.set_data_from numpy(img)

preds = model.predict(inputs)
preds = pred[0]
preds = torch.from_numpy(preds.get_data_to_numpy())
3.4 在17行插入如下代码
import mindspore_lite as mslite
3.5 运行test_mindir.py
python test_mindir.py --cfg config.yaml --image-forlder /images --checkpoint /path/to/checkpoint