创建网络

在前面的讲述中主要对AscendIE的编程模型进行了分析，下面就以C++ API为例，是如何按照编程模型完成模型编译优化。

1. 创建一个Builder工具类。

   调用CreateInferBuilder接口，创建一个Builder。

   Builder *builder = Builder::CreateInferBuilder("Ascend310P3");      // Ascend310P3为昇腾AI处理器类型，根据服务器设备类型配置

2. 使用Builder创建一个空的Network。

   Network *network = builder->CreateNetwork();

3. 向Network中添加输入。

   Dims inputShape({16, 3, 224, 224});
   Tensor *inputTensor = network->AddInput("input1", DataType::FLOAT, inputShape);

4. 向Network中添加卷积层ConvolutionLayer。

   调用Network内置API，添加ConvolutionLayer。

   int32_t numOutputMap = 64;
   Dims kernelHW({7, 7});
   std::vector<float> weight_data(64 * 3 * 7 * 7);
   std::vector<float> bias_data(64);
   WeightsBuf weightBuf {DataType::FLOAT, weight_data.data(), weight_data.size()};
   WeightsBuf biasBuf {DataType::FLOAT, bias_data.data(), bias_data.size()};
   ConvolutionLayer *convLayer = network->AddConvolutionLayer(inputTensor, numOutputMap, kernelHW, weightBuf, biasBuf);
   Dims strides({ 1, 1 });
   Dims paddings({2, 2});
   convlayer->SetStrides(strides);
   convlayer->SetPaddings(paddings);

5. 向Network中添加激活层ActivationLayer（ReLU类型）。

   ActivationLayer *reluLayer = network->AddActivationLayer(convLayer->GetOutput(0), ActivationKind::RELU);

6. 指定Network的输出Tensor。

   network->SetAsOutput(reluLayer->GetOutput(0));