环境准备：

1.数据集路径
通用的数据集统一放在项目文件夹/root/datasets或/opt/npu/
本模型数据集放在/data/widerface/val/images

ln -s /opt/npu/wider_face/WIDER_val/images/ data/widerface/val/images

2.获取模型代码

git clone https://github.com/biubug6/Pytorch_Retinaface 
cp Pytorch_Retinaface/utils . -rf
cp Pytorch_Retinaface/data . -rf

3.下载pth权重文件,放在项目根目录下

cd Pytorch_Retinaface
mkdir weights
cd weights

Retinaface预训练pth权重文件 百度云 Password: fstq 将权重文件放在weights目录下

4.修改Pytorch_Retinaface/data/config.py,将cfg_mnet中的'pretrain'改为False,另外安装必要依赖

cd .. 
pip install -r requirements.txt

5.执行时确保device空闲, 生成om文件

bash test/pth2om.sh {soc_version}

通过npu-smi info命令查看并指定 {soc_version} 参数。

6.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。

7.评估精度

bash test/eval_acc_pref.sh

8.在t4环境上将onnx文件与perf_t4.sh放在同一目录
然后执行bash perf_t4.sh，执行时确保gpu空闲

bash perf_t4.sh