1.环境准备

1.安装必要的依赖，测试环境可能已经安装其中的一些不同版本的库了，故手动测试时不推荐使用该命令安装

pip3 install -r requirements.txt

2.获取，开源模型代码

git clone https://github.com/Jungjee/RawNet.git
cd RawNet
patch -p1 < ../rawnet2.patch
cd ..

3.获取权重文件

通过2获得代码仓后，权重文件位置：RawNet\python\RawNet2\Pre-trained_model\rawnet2_best_weights.pt，将其放到当前目录

4.获取数据集 VoxCeleb1 ，下载Audio files测试集，重命名VoxCeleb1，确保VoxCeleb1下全部为id1xxxx文件夹，放到/root/datasets目录,注：该路径为绝对路径

5.获取 msame工具 和 benchmark工具

将msame和benchmark.x86_64放到与test文件夹同级目录下。

2.离线推理

执行时使npu-smi info查看设备状态，确保device空闲

备注：

1.需要对onnx模型进行onnxsim优化，否则无法达到精度要求，pth2om.sh脚本首先将pth文件转换为onnx模型，然后分别对bs1和bs16进行onnxsim优化，最后分别转化为om模型

2.eval_acc_perf.sh脚本逐步完成数据前处理bin文件输出、bs1和bs16模型推理、bs1和bs16精度测试，以及bs1和bs16benchmark的性能测试

3.该脚本中环境变量仅供参考，请以实际安装环境配置环境变量

source /usr/local/Ascend/ascend-toolkit/set_env.sh

bash test/pth2om.sh  

bash test/eval_acc_perf.sh --datasets_path=/root/datasets/VoxCeleb1/