通过在线视频课程学习该功能,请参见CANN应用开发进阶。
动态AIPP场景下模型推理与基础推理应用的流程类似,都涉及AscendCL初始化与去初始化、运行管理资源申请与释放、模型构建、模型加载、模型执行、模型卸载等。
本节中重点描述动态AIPP场景下模型推理与基础推理应用的不同之处:
构建模型时,需通过ATC工具的insert_op_conf参数配置动态AIPP模式。ATC工具的参数说明请参见《ATC工具使用指南》。
构建模型成功后,在生成的om模型中,会新增相应的输入(下文简称动态AIPP输入),在模型推理时通过该新增的输入提供具体的AIPP配置值。
例如,a输入的AIPP配置是动态的,在om模型中,会有与a对应的b输入来描述a的AIPP配置信息。在模型执行时,准备a输入的数据结构请参见准备模型执行的输入/输出数据结构,准备b输入的数据结构、设置b输入的数据请参见以下内容。
#define ACL_DYNAMIC_AIPP_NAME "ascend_dynamic_aipp_data"
申请动态AIPP输入对应的内存后,无需用户设置该内存中的数据(否则可能会导致业务异常),用户调用2中的接口后,系统会自动向该内存中填入数据。
基于DVPP的媒体数据处理接口介绍,请参见媒体数据处理(含图像/视频等)。
调用接口后,需增加异常处理的分支,并记录报错日志、提示日志,此处不一一列举。以下是关键步骤的代码示例,不可以直接拷贝编译运行,仅供参考。
// 1.模型加载,加载成功后,再设置动态AIPP参数值 // ...... // 2.准备模型描述信息modelDesc_,准备模型的输入数据input_和模型的输出数据output_ // 3.自定义函数,设置动态AIPP参数值 int ModelSetDynamicAIPP() { // 3.1 获取标识动态AIPP输入的index size_t index; // modelDesc_为aclmdlCreateDesc表示模型描述信息,根据1中加载成功的模型的ID,获取该模型的描述信息 aclError ret = aclmdlGetInputIndexByName(modelDesc_, ACL_DYNAMIC_AIPP_NAME, &index); // 3.2 设置动态AIPP参数值 uint64_t batchNumber = 1; aclmdlAIPP *aippDynamicSet = aclmdlCreateAIPP(batchNumber); ret = aclmdlSetAIPPSrcImageSize(aippDynamicSet, 256, 224); ret = aclmdlSetAIPPInputFormat(aippDynamicSet, ACL_YUV420SP_U8); ret = aclmdlSetAIPPCscParams(aippDynamicSet, 1, 256, 443, 0, 256, -86, -178, 256, 0, 350, 0, 0, 0, 0, 128, 128); ret = aclmdlSetAIPPRbuvSwapSwitch(aippDynamicSet, 0); ret = aclmdlSetAIPPDtcPixelMean(aippDynamicSet, 0, 0, 0, 0, 0); ret = aclmdlSetAIPPDtcPixelMin(aippDynamicSet, 0, 0, 0, 0, 0); ret = aclmdlSetAIPPPixelVarReci(aippDynamicSet, 1.0, 1.0, 1.0, 1.0, 0); ret = aclmdlSetAIPPCropParams(aippDynamicSet, 1, 2, 2, 224, 224, 0); ret = aclmdlSetInputAIPP(modelId_, input_, index, aippDynamicSet); ret = aclmdlDestroyAIPP(aippDynamicSet); // ...... } // 4.自定义函数,执行模型 int ModelExecute(int index) { aclError ret; // 4.1 调用自定义函数,设置动态AIPP参数值 ret = ModelSetDynamicAIPP(); // 4.2 执行模型,modelId_表示加载成功的模型的ID,input_和output_分别表示模型的输入和输出 ret = aclmdlExecute(modelId_, input_, output_); // ...... } // 5.处理模型推理结果 // TODO