ModelEvaluator
产品支持情况
| 产品 |
是否支持 |
| Ascend 950PR/Ascend 950DT |
√ |
| Atlas A3 训练系列产品/Atlas A3 推理系列产品 |
√ |
| Atlas A2 训练系列产品/Atlas A2 推理系列产品 |
√ |
功能说明
针对某一个模型，根据模型的bin类型输入数据，提供一个Python实例，可对该模型执行校准和推理的评估器。
函数原型
class ModelEvaluator(AutoCalibrationEvaluatorBase):
def __init__(self, data_dir, input_shape, data_types):
参数说明
参数名
|
输入/输出
|
说明
|
|---|
data_dir
|
输入
|
含义：与模型匹配的bin格式数据集路径。
数据类型：string
参数值格式："data/input1/;data/input2/"
使用约束：
- 路径支持大小写字母（a-z，A-Z）、数字（0-9）、下划线（_）、中划线（-）、句点（.）、中文字符。
- 若模型有多个输入，且每个输入有多个batch数据，则不同的输入数据必须存储在不同的目录中，目录中文件的名称必须按照升序排序。所有的输入数据路径必须放在双引号中，节点中间使用英文分号分隔。
- 单个bin文件中存储的数组shape需要和input_shape中输入的shape相匹配，例如：单张图片bin存储的数组shape为1x224x224x3，则input_shape中输入的必须为1x224x224x3；如需多个bin做量化，则可通过调整batch_num取值实现。
|
input_shape
|
输入
|
含义：模型输入的shape信息。
数据类型：string
参数值格式："input_name1:n1,c1,h1,w1;input_name2:n2,c2,h2,w2"。
使用约束：指定的节点必须放在双引号中，节点中间使用英文分号分隔。
|
data_types
|
输入
|
含义：输入数据的类型。
数据类型：string
参数值格式："float32;float64"
使用约束：若模型有多个输入，且数据类型不同，则需要分别指定不同输入的数据类型，指定的输入数据类型必须按照输入节点顺序依次放在双引号中，所有的输入数据类型必须放在双引号中，中间使用英文分号分隔。
|
返回值说明
一个Python实例。
调用示例
import amct_pytorch as amct
evaluator = amct.ModelEvaluator(
data_dir="./data/input_bin/",
input_shape="input:32,3,224,224",
data_types="float32")
