Pix2Pix模型-推理
概述
pix2pix是一个图像合成网络，是将GAN应用于有监督的图像到图像翻译的经典论文。其是将CGAN的思想运用在了图像翻译的领域上，学习从输入图像到输出图像之间的映射，从而得到指定的输出图像。
-
参考实现：
url=https://github.com/OmriKaduri/pytorch-CycleGAN-and-pix2pix commit_id=master commit_id=aac572a869b6cfc7486d1d8e2846e5e34e3f0e05 model_name=pix2pix
输入输出数据
-
输入数据
输入数据 数据类型 大小 数据排布格式 input RGB_FP32 batchsize x 3 x 256 x 256 NCHW -
输出数据
输出数据 数据类型 大小 数据排布格式 output RGB_FP32 batchsize x 3 x 256 x 256 NCHW
推理环境准备
-
该模型需要以下插件与驱动
表 1 版本配套表
配套 版本 环境准备指导 固件与驱动 1.0.17 Pytorch框架推理环境准备 CANN 6.0.RC1 - Python 3.7.5 - PyTorch 1.5.0 AscendPyTorch环境准备 说明：Atlas 300I Duo 推理卡请以CANN版本选择实际固件与驱动版本。 \ \
快速上手
获取源码
-
获取源码。
git clone https://github.com/OmriKaduri/pytorch-CycleGAN-and-pix2pix.git git reset --hard aac572a869b6cfc7486d1d8e2846e5e34e3f0e05 patch -p2 -i pix2pix.patch -d ./pytorch-CycleGAN-and-pix2pix/ cp -r ./pytorch-CycleGAN-and-pix2pix/* ./目录结构如下：
├─options ├─models ├─datasets ├─data ├─scripts ├─util ├─checkpoints ├─pix2pix_postprocess.py ├─pix2pix_preprocess.py ├─pix2pix_postprocess.py ├─modelzoo_level.txt ├─requirements.txt ├─LICENSE ├─README.md -
安装依赖。
pip3 install -r requirements.txt
准备数据集
-
获取原始数据集。（解压命令参考tar –xvf *.tar与 unzip *.zip）
本模型支持facades 验证集。用户可自行获取facades数据集上传到服务器，可放置于任意路径下，以"./datasets"目录为例。下：
├─datasets ├──facades ├──train ├──test //验证集 -
数据预处理，将原始数据集转换为模型输入的数据。
执行pix2pix_preprocess.py脚本，完成预处理。
python3 pix2pix_preprocess.py --dataroot ./datasets/facades --results_dir ./pre_bin- 参数说明：
- --dataroot：数据集路径。
- --results_dir：输出结果路径。
- 参数说明：
模型推理
-
模型转换。
使用PyTorch将模型权重文件.pth转换为.onnx文件，再使用ATC工具将.onnx文件转为离线推理模型文件.om文件。
-
获取权重文件。
下载权重文件latest_net_G.pth，放到./checkpoints/facades_label2photo_pretrained目录下。
-
导出onnx文件。
-
使用pix2pix_pth2onnx.py导出onnx文件。
运行pix2pix_pth2onnx.py脚本。
python3 pix2pix_pth2onnx.py --direction BtoA --model pix2pix --checkpoints_dir ./checkpoints --name facades_label2photo_pretrained在./checkpoints/facades_label2photo_pretrained/路径下生成netG_onnx.onnx文件。
-
-
使用ATC工具将ONNX模型转OM模型。
-
配置环境变量。
source /usr/local/Ascend/ascend-toolkit/set_env.sh -
执行命令查看芯片名称（${chip_name}）。
npu-smi info #该设备芯片名为Ascend310P3 （自行替换） 回显如下： +-------------------+-----------------+------------------------------------------------------+ | NPU Name | Health | Power(W) Temp(C) Hugepages-Usage(page) | | Chip Device | Bus-Id | AICore(%) Memory-Usage(MB) | +===================+=================+======================================================+ | 0 310P3 | OK | 15.8 42 0 / 0 | | 0 0 | 0000:82:00.0 | 0 1074 / 21534 | +===================+=================+======================================================+ | 1 310P3 | OK | 15.4 43 0 / 0 | | 0 1 | 0000:89:00.0 | 0 1070 / 21534 | +===================+=================+======================================================+ -
执行ATC命令。
atc --framework=5 --model=./checkpoints/facades_label2photo_pretrained/netG_onnx.onnx --output=./netG_om_bs1 --input_format=NCHW --input_shape="inputs:1,3,256,256" --log=debug --soc_version=Ascend${chip_name}- 参数说明：
- --model：为ONNX模型文件。
- --framework：5代表ONNX模型。
- --output：输出的OM模型。
- --input_format：输入数据的格式。
- --input_shape：输入数据的shape。
- --log：日志级别。
- --soc_version：处理器型号。
运行成功后生成netG_om_bs1.om模型文件。
- 参数说明：
-
-
-
开始推理验证。
-
安装ais_bench推理工具。
请访问ais_bench推理工具代码仓，根据readme文档进行工具安装。
-
执行推理。
mkdir results python3 -m ais_bench --model ./netG_om_bs1.om --input ./pre_bin --output ./results --output_dirname bs1 --outfmt BIN --batchsize 1 --device 0-
参数说明：
- --model：om文件路径。
- --input：输入的bin文件路径。
- --output：推理结果文件路径。
- --outfmt：输出结果格式。
- --batchsize：批大小。
- --device：NPU设备编号。
推理后的输出在推理结果文件路径的子文件路径下(./results/bs1/)。
-
-
精度验证。
调用脚本生成om结果复原图片图片。
python3 pix2pix_postprocess.py --bin2img_file=./result/bin2img_bs1/ --npu_bin_file=./result/bs1/- 参数说明：
- --bin2img_file：推理om模型的结果复原图路径。
- --npu_bin_file：推理om模型的结果路径。
调用脚本生成onnx的推理结果复原图片，对onnx和om的结果进行观察对比。
python3 test.py --dataroot ./datasets/facades/ --direction BtoA --model pix2pix --name facades_label2photo_pretrained --num_test 106- 参数说明：
- --dataroot：数据集的路径。
- --num_test：验证集的数目。
- 参数说明：
-
性能验证。
可使用ais_bench推理工具的纯推理模式验证不同batch_size的om模型的性能，参考命令如下：
python3 -m ais_bench --model=${om_model_path} --loop=20 --batchsize=${batch_size}- 参数说明：
- --model：om模型的路径。
- --loop：推理的循环次数。
- --batch_size：批大小。
- 参数说明：
-
模型推理性能&精度
调用ACL接口推理计算，性能参考下列数据。
| 芯片型号 | Batch Size | 数据集 | 精度 | 性能 |
|---|---|---|---|---|
| 300I PRO | 1 | facades | 通过观察图片精度达标 | 640.766 |
| 300I PRO | 4 | facades | 通过观察图片精度达标 | 774.654 |
| 300I PRO | 8 | facades | 通过观察图片精度达标 | 931.718 |
| 300I PRO | 16 | facades | 通过观察图片精度达标 | 945.187 |
| 300I PRO | 32 | facades | 通过观察图片精度达标 | 963.043 |
| 300I PRO | 64 | facades | 通过观察图片精度达标 | 956.723 |
公网地址说明
代码涉及公网地址参考 public_address_statement.md