010-61934861

首页 > Model Zoo > MobileNet_V2-Pytorch
MobileNet_V2-Pytorch
图像 视觉 分类
2025-03-18 | 4119人看过
模型信息

MobileNetV2是由谷歌开发的一种用于移动设备的轻量级卷积神经网络。与传统卷积神经网络相比,它具有更高的计算效率和更小的模型尺寸,可以在移动设备上实现高精度的图像识别任务。 MobileNetV2的主要原理是使用深度可分离卷积来减少模型的参数数量和计算量。深度可分离卷积将传统的卷积操作分解为两个独立的操作:深度卷积和逐点卷积。深度卷积仅在通道维度上进行卷积操作,而逐点卷积仅在空间维度上进行卷积操作。这种分解能大大降低计算复杂度,同时保持较高的分类精度。

论文:[《MobileNetV2: Inverted Residuals and Linear Bottlenecks》](https://arxiv.org/abs/1801.04381)

开源模型链接:https://github.com/pytorch/vision/blob/v0.11.0/torchvision/models/mobilenetv2.py

数据集(ImageNet):http://www.image-net.org/

资源准备

  1. 数据集资源下载

    ImageNet是一个不可用于商业目的的数据集,必须通过教育网邮箱注册登录后下载,请前往官方自行下载 ImageNet 2012 val。

    模型资源下载

    mobilenet_v2 pytorch权重

  2. 清微github modelzoo仓库下载

    git clone https://github.com/tsingmicro-toolchain/ts.knight-modelzoo.git

Knight环境准备

  1. 联系清微智能获取Knight工具链版本包 ReleaseDeliverables/ts.knight-x.x.x.x.tar.gz下面以ts.knight-3.0.0.11.build1.tar.gz为例演示。

  2. 检查docker环境

    默认服务器中已安装docker(版本>=19.03), 如未安装可参考文档ReleaseDocuments/《TS.Knight-使用指南综述_V3.0.11.pdf》。

     docker -v
  3. 加载镜像

     docker load -i ts.knight-3.0.0.11.build1.tar.gz
  4. 启动docker容器

     docker run -v ${localhost_dir}/ts.knight-modelzoo:/ts.knight-modelzoo -it ts.knight:3.0.0.11.build1 /bin/bash

    localhost_dir为宿主机目录。

模型移植流程

1. 量化&编译

  • 模型准备

    如上述"Knight环境准备"章节所述,准备好mobilenet_v2 pytorch权重文件。

  • 量化数据准备

    将下载好的数据放在${localhost_dir}/ts.knight-modelzoo/pytorch/builtin/cv/classification/mobilenet_v2/data/imagenet/images/val,并执行valprep.sh脚本对图片进行分类。

  • 模型转换函数、推理函数准备

    已提供量化依赖的模型转换和推理函数py文件: /ts.knight-modelzoo/pytorch/builtin/cv/classification/mobilenet_v2/src/mobilenet_v2.py

  • 执行量化命令

    在容器内执行如下量化和编译命令,具体量化、编译参数可见 mobilenet_v2_config.json

    Knight --chip TX5368AV200 build --run-config data/mobilenet_v2_config.json
  • 量化后模型推理

    Knight --chip TX5368AV200 quant --run-config data/mobilenet_v2_infer_config.json

2. 仿真

#准备bin数据
python src/make_image_input_onnx.py --input data/demo.jpg --outpath /TS-KnightDemo/Output/mobilenet_v2/npu
#仿真
Knight --chip TX5368AV200 run --run-config data/mobilenet_v2_config.json
#仿真输出txt文件转numpy
show_sim_result --sim-data /TS-KnightDemo/Output/deit_tiny/npu/result-*_p.txt --save-dir /TS-KnightDemo/Output/mobilenet_v2/npu/
#模型后处理
python src/post_process.py --numpys /TS-KnightDemo/Output/mobilenet_v2/npu/result-*_p.npy

3. 性能分析

Knight --chip TX5368AV200 profiling --run-config data/mobilenet_v2_config.json

4. 仿真库

5. 板端部署

支持芯片情况

芯片系列是否支持
TX510x支持
TX5368x_TX5339x_TX5335x支持
TX5215x_TX5239x200_TX5239x220_TX5239x300支持
TX5112x_TX5239x201支持
TX5336x_TX5356x支持

版本说明

2023/11/23 第一版

LICENSE

ModelZoo Edge 的 License 具体内容请参见LICENSE文件

免责说明

您明确了解并同意,以上链接中的软件、数据或者模型由第三方提供并负责维护。在以上链接中出现的任何第三方的名称、商标、标识、产品或服务并不构成明示或暗示与该第三方或其软件、数据或模型的相关背书、担保或推荐行为。您进一步了解并同意,使用任何第三方软件、数据或者模型,包括您提供的任何信息或个人数据(不论是有意或无意地),应受相关使用条款、许可协议、隐私政策或其他此类协议的约束。因此,使用链接中的软件、数据或者模型可能导致的所有风险将由您自行承担。




发表评论
全部评论(0)
    0.106836s