样例步骤适用于以下产品。

Atlas 200/300/500 推理产品
Atlas 推理系列产品
Atlas 训练系列产品

模型转换

以HwHiAiUser（运行用户）登录开发环境。
参见《ATC工具使用指南》中的ATC工具使用环境搭建，获取ATC工具并设置环境变量。
准备数据。
从以下链接获取ResNet-50网络的权重文件（*.caffemodel）、模型文件（resnet50.prototxt），并以HwHiAiUser（运行用户）将获取的文件上传至开发环境的“vdec_resnet50_classification/caffe_model”目录下。
- 从gitee上获取：单击Link，查看README.md，查找获取原始模型的链接。
- 从GitHub上获取：单击Link，查看README.md，查找获取原始模型的链接。
将ResNet-50网络转换为适配昇腾AI处理器的离线模型（*.om文件），转换模型时，需配置色域转换参数，用于将YUV420SP格式的图片转换为RGB格式的图片。
切换到“vdec_resnet50_classification”目录，执行如下命令。Ascendxxx为使用的昇腾AI处理器型号，请用户自行替换。
```
atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=model/resnet50_aipp --soc_version=Ascendxxx --insert_op_conf=caffe_model/aipp.cfg
```
- “--output”参数：生成的“resnet50_aipp.om”文件存放在“vdec_resnet50_classification/model”目录下。
- 使用atc命令时用户需保证对“vdec_resnet50_classification”目录有写权限。
以HwHiAiUser（运行用户）将开发环境的样例目录及目录下的文件上传到运行环境。

运行应用

登录运行环境。
准备输入视频码流。
通过链接vdec_h265_1frame_rabbit_1280x720.h265获取输入视频码流文件“vdec_h265_1frame_rabbit_1280x720.h265”，并以HwHiAiUser（运行用户）上传至开发环境的“vdec_resnet50_classification/data”目录下。
参照环境变量配置完成运行环境的配置。
在“vdec_resnet50_classification”路径下执行如下命令：
```
python3 ./src/acl_sample.py
```

执行成功后，在屏幕上的关键提示信息示例如下（因打印信息过长，省略部分打印信息）。

init resource stage:
init resource stage success
[Model] class Model init resource stage:
[Model] create model output dataset:
[Model] create model output dataset success
[Model] class Model init resource stage success
[Dvpp] class Dvpp init resource stage:
[Dvpp] class Dvpp init resource stage success
[Vdec] class Vdec init resource stage:
[Vdec] class Vdec init resource stage success
[Vdec] forward index:0
[Vdec] create input stream desc success
[Vdec] create output pic desc success
[Vdec] vdec_send_frame stage success
......
[Vdec] [_callback] _callback exit success
[Vdec] [_thread_func] _thread_func out
[Vdec] vdec finish!!!

[Dvpp] vpc resize stage:
[Dvpp] vpc resize stage success
[Model] create model input dataset:
[Model] create model input dataset success
[Model] execute stage:
[Model] execute stage success

========= top5 inference results: =========
label:331  prob: 0.910156
label:330  prob: 0.078308
label:104  prob: 0.009209
label:332  prob: 0.003283
label:350  prob: 0.000005
result: class_label[331],top1[0.910156],top5[1.000000]
......
[Sample] release source stage:
[Dvpp] class Dvpp release source success
[Model] class Model release source success
[Vdec] release resource:
[Vdec] release resource success
[Sample] release source stage success