ncnn的使用（初学必看）

「爱情、让人受尽委屈。」 2022-12-31 07:29 426阅读 0赞

# use ncnn with alexnet.zh #

wiki-sync-bot edited this page 11 hours ago · [1 revision][]

首先，非常感谢大家对 ncnn 组件的关注 为了方便大家使用 ncnn 组件，up主特意写了这篇使用指北，以烂大街的 alexnet 作为例子

### 准备caffe网络和模型 ###

caffe 的网络和模型通常是搞深度学习的研究者训练出来的，一般来说训练完会有

train.prototxt
    deploy.prototxt
    snapshot_10000.caffemodel

部署的时候只需要 TEST 过程，所以有 deploy.prototxt 和 caffemodel 就足够了

alexnet 的 deploy.prototxt 可以在这里下载 [https://github.com/BVLC/caffe/tree/master/models/bvlc\_alexnet][https_github.com_BVLC_caffe_tree_master_models_bvlc_alexnet]

alexnet 的 caffemodel 可以在这里下载 [http://dl.caffe.berkeleyvision.org/bvlc\_alexnet.caffemodel][http_dl.caffe.berkeleyvision.org_bvlc_alexnet.caffemodel]

### 转换ncnn网络和模型 ###

caffe 自带了工具可以把老版本的 caffe 网络和模型转换为新版（ncnn的工具只认识新版

upgrade_net_proto_text [老prototxt] [新prototxt]
    upgrade_net_proto_binary [老caffemodel] [新caffemodel]

输入层改用 Input，因为每次只需要做一个图片，所以第一个 dim 设为 1

layer {
      name: "data"
      type: "Input"
      top: "data"
      input_param { shape: { dim: 1 dim: 3 dim: 227 dim: 227 } }
    }

使用 caffe2ncnn 工具转换为 ncnn 的网络描述和模型

caffe2ncnn deploy.prototxt bvlc_alexnet.caffemodel alexnet.param alexnet.bin

### 去除可见字符串 ###

有 param 和 bin 文件其实已经可以用了，但是 param 描述文件是明文的，如果放在 APP 分发出去容易被窥探到网络结构（说得好像不明文就看不到一样 使用 ncnn2mem 工具转换为二进制描述文件和内存模型，生成 alexnet.param.bin 和两个静态数组的代码文件

ncnn2mem alexnet.param alexnet.bin alexnet.id.h alexnet.mem.h

### 加载模型 ###

直接加载 param 和 bin，适合快速验证效果使用

ncnn::Net net;
    net.load_param("alexnet.param");
    net.load_model("alexnet.bin");

加载二进制的 param.bin 和 bin，没有可见字符串，适合 APP 分发模型资源

ncnn::Net net;
    net.load_param_bin("alexnet.param.bin");
    net.load_model("alexnet.bin");

从内存引用加载网络和模型，没有可见字符串，模型数据全在代码里头，没有任何外部文件 另外，android apk 打包的资源文件读出来也是内存块

#include "alexnet.mem.h"
    ncnn::Net net;
    net.load_param(alexnet_param_bin);
    net.load_model(alexnet_bin);

以上三种都可以加载模型，其中内存引用方式加载是 zero-copy 的，所以使用 net 模型的来源内存块必须存在

### 卸载模型 ###

net.clear();

### 输入和输出 ###

ncnn 用自己的数据结构 Mat 来存放输入和输出数据 输入图像的数据要转换为 Mat，依需要减去均值和乘系数

#include "mat.h"
    unsigned char* rgbdata;// data pointer to RGB image pixels
    int w;// image width
    int h;// image height
    ncnn::Mat in = ncnn::Mat::from_pixels(rgbdata, ncnn::Mat::PIXEL_RGB, w, h);
    
    const float mean_vals[3] = {104.f, 117.f, 123.f};
    in.substract_mean_normalize(mean_vals, 0);

执行前向网络，获得计算结果

#include "net.h"
    ncnn::Mat in;// input blob as above
    ncnn::Mat out;
    ncnn::Extractor ex = net.create_extractor();
    ex.set_light_mode(true);
    ex.input("data", in);
    ex.extract("prob", out);

如果是二进制的 param.bin 方式，没有可见字符串，利用 alexnet.id.h 的枚举来代替 blob 的名字

#include "net.h"
    #include "alexnet.id.h"
    ncnn::Mat in;// input blob as above
    ncnn::Mat out;
    ncnn::Extractor ex = net.create_extractor();
    ex.set_light_mode(true);
    ex.input(alexnet_param_id::BLOB_data, in);
    ex.extract(alexnet_param_id::BLOB_prob, out);

获取 Mat 中的输出数据，Mat 内部的数据通常是三维的，c / h / w，遍历所有获得全部分类的分数

ncnn::Mat out_flatterned = out.reshape(out.w * out.h * out.c);
    std::vector<float> scores;
    scores.resize(out_flatterned.w);
    for (int j=0; j<out_flatterned.w; j++)
    {
        scores[j] = out_flatterned[j];
    }

### 某些使用技巧 ###

Extractor 有个多线程加速的开关，设置线程数能加快计算

ex.set_num_threads(4);

Mat 转换图像的时候可以顺便转换颜色和缩放大小，这些顺带的操作也是有优化的 支持 RGB2GRAY GRAY2RGB RGB2BGR 等常用转换，支持缩小和放大

#include "mat.h"
    unsigned char* rgbdata;// data pointer to RGB image pixels
    int w;// image width
    int h;// image height
    int target_width = 227;// target resized width
    int target_height = 227;// target resized height
    ncnn::Mat in = ncnn::Mat::from_pixels_resize(rgbdata, ncnn::Mat::PIXEL_RGB2GRAY, w, h, target_width, target_height);

Net 有从 FILE\* 文件描述加载的接口，可以利用这点把多个网络和模型文件合并为一个，分发时能方便些，内存引用就无所谓了

> $ cat alexnet.param.bin alexnet.bin > alexnet-all.bin

#include "net.h"
    FILE* fp = fopen("alexnet-all.bin", "rb");
    net.load_param_bin(fp);
    net.load_model(fp);
    fclose(fp);

转自：[https://github.com/Tencent/ncnn/wiki/use-ncnn-with-alexnet.zh][https_github.com_Tencent_ncnn_wiki_use-ncnn-with-alexnet.zh]

[1 revision]: https://github.com/Tencent/ncnn/wiki/use-ncnn-with-alexnet.zh/_history
[https_github.com_BVLC_caffe_tree_master_models_bvlc_alexnet]: https://github.com/BVLC/caffe/tree/master/models/bvlc_alexnet
[http_dl.caffe.berkeleyvision.org_bvlc_alexnet.caffemodel]: http://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodel
[https_github.com_Tencent_ncnn_wiki_use-ncnn-with-alexnet.zh]: https://github.com/Tencent/ncnn/wiki/use-ncnn-with-alexnet.zh