企业官网建设流程全解析

YOLOv2网络模型prototxt修改

【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge

[!NOTE]说明

本章节所有的代码样例都不能直接复制到网络模型中使用，需要用户根据使用的网络模型，自行调整相应参数，比如bottom、top中的参数要和具体网络模型中的bottom、top一一对应，并且bottom和top对应的参数顺序不能更改。

1. 修改Region算子。

   由于Yolo算子+DetectionOutput算子才是特征检测网络完整的后处理逻辑，在增加YoloV2DetectionOutput算子之前需要将Region过程算子，替换为Yolo算子。

   参见《AI框架算子支持清单》>支持Caffe算子清单，Yolo算子有一个输入，三个输出；基于该原则，修改后的Yolo算子如下，对比情况如图1所示，其中左边为原始算子prototxt，右边是适配AI处理器的prototxt。

   图 1原始算子与修改后的算子比对2 ![图示](https://raw.gitcode.com/cann/ge/raw/243ea8d2d8f7623dd210c0867dde5782ec5594a9/docs/zh/user_guides/atc_tools/figures/original_vs_modified_op_2.png "原始算子与修改后的算子比对2"?utm_source=gitcode_repo_files)

   构造的代码样例如下：

   layer { bottom: "layer31-conv" top: "yolo_coords" top: "yolo_obj" top: "yolo_classes" name: "yolo" type: "Yolo" yolo_param { boxes: 5 coords: 4 classes: 80 yolo_version: "V2" softmax: true background: false } }

   参数解释请参见《AI框架算子支持清单》>支持Caffe算子清单。

2. 最后一层增加YoloV2DetectionOutput算子。

   对于YoloV2网络，参考扩展算子列表在原始prototxt文件的最后增加后处理算子层YoloV2DetectionOutput ，参见《AI框架算子支持清单》>支持Caffe算子清单，YoloV2DetectionOutput算子有四个输入，两个输出；根据上述原则，构造的后处理算子代码样例如下：

   layer { name: "detection_out2" type: "YoloV2DetectionOutput" bottom: "yolo_coords" bottom: "yolo_obj" bottom: "yolo_classes" bottom: "img_info" top: "box_out" top: "box_out_num" yolov2_detection_output_param { boxes: 5 classes: 80 relative: true obj_threshold: 0.5 score_threshold: 0.5 iou_threshold: 0.45 pre_nms_topn: 512 post_nms_topn: 1024 biases: 0.572730 biases: 0.677385 biases: 1.874460 biases: 2.062530 biases: 3.338430 biases: 5.474340 biases: 7.882820 biases: 3.527780 biases: 9.770520 biases: 9.168280 } }

   参数解释请参见《AI框架算子支持清单》>支持Caffe算子清单。

3. 新增输入：

   由于YoloV2DetectionOutput算子有img_info输入，故模型输入时增加该输入。对比情况如图2所示，其中左边为原始算子prototxt，右边是适配AI处理器的prototxt。

   图 2原始算子与修改后的算子比对1 ![图示](https://raw.gitcode.com/cann/ge/raw/243ea8d2d8f7623dd210c0867dde5782ec5594a9/docs/zh/user_guides/atc_tools/figures/original_vs_modified_op_1_2.png "原始算子与修改后的算子比对1-2"?utm_source=gitcode_repo_files)

   代码样例如下，参数为[batch,4]，4表示netH、netW、scaleH、scaleW四个维度。其中netH、netW为网络模型输入的HW，scaleH、scaleW为原始图片的HW。

   input: "img_info" input_shape { dim: 1 dim: 4 }

【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge