模型有多个动态AIPP输入时的推理基本流程与单个动态AIPP输入类似,请参见动态AIPP(单个动态AIPP输入)。
多个动态AIPP输入与单个动态AIPP输入的不同点如下:
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 std::vector<size_t> dataNeedDynamicAipp; for (size_t index = 0; index < aclmdlGetNumInputs(modelDesc_); ++index) { aclmdlInputAippType aippType; size_t dynamicAttachedDataIndex; aclError ret = aclmdlGetAippType(modelId_, index, &aippType, &dynamicAttachedDataIndex); if (aippType == ACL_DATA_WITH_DYNAMIC_AIPP) { dataNeedDynamicAipp.push_back(index); } } // 3.2 当前示例中以2个动态AIPP输入为例,用户可根据实际情况修改 if (dataNeedDynamicAipp.size() != 2) { return -1; } // 创建第一个动态aipp配置参数 uint64_t batchNumber1 = 1; aclmdlAIPP *aippDynamicSet1 = aclmdlCreateAIPP(batchNumber1); ret = aclmdlSetAIPPSrcImageSize(aippDynamicSet1, 256, 224); ret = aclmdlSetAIPPInputFormat(aippDynamicSet1, ACL_YUV420SP_U8); ret = aclmdlSetAIPPCscParams(aippDynamicSet1, 1, 256, 443, 0, 256, -86, -178, 256, 0, 350, 0, 0, 0, 0, 128, 128); ret = aclmdlSetAIPPRbuvSwapSwitch(aippDynamicSet1, 0); ret = aclmdlSetAIPPDtcPixelMean(aippDynamicSet1, 0, 0, 0, 0, 0); ret = aclmdlSetAIPPDtcPixelMin(aippDynamicSet1, 0, 0, 0, 0, 0); ret = aclmdlSetAIPPPixelVarReci(aippDynamicSet1, 1.0, 1.0, 1.0, 1.0, 0); ret = aclmdlSetAIPPCropParams(aippDynamicSet1, 1, 2, 2, 224, 224, 0); // 设置模型推理时的动态aipp参数值 ret = aclmdlSetAIPPByInputIndex(modelId_, input_, dataNeedDynamicAipp[0], aippDynamicSet1); ret = aclmdlDestroyAIPP(aippDynamicSet1); // 创建第二个动态aipp配置参数 uint64_t batchNumber2 = 2; aclmdlAIPP *aippDynamicSet2 = aclmdlCreateAIPP(batchNumber2); ret = aclmdlSetAIPPSrcImageSize(aippDynamicSet2, 224, 224); // 此处可以继续调用其它AIPP参数设置接口 // 设置模型推理时的动态aipp参数值 ret = aclmdlSetAIPPByInputIndex(modelId_, input_, dataNeedDynamicAipp[1], aippDynamicSet2); ret = aclmdlDestroyAIPP(aippDynamicSet2); } // 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