耐能KL520 AI 芯片应用开发技能 ＜Part-005＞

文章目录

• 前言
• 一、从训练模型出发
  • 1.准备测试资料
  • 2.最典型的程序范例
  • 3.撰写App来引导推论
• 总结

---

前言

《耐能KL520的Python程序雕龙小技》

Part-005：

By 神樱AI团队

2022/7/01

为KL520推论后，添加Softmax运算

---

说明：

& 二元分类(Binary Classification)只要表现于最后一层的FC层(即全连接层)。

& FC层的标准实践机制，就是Pytorch的nn.Linear()。

& 实作途径有二：

1. 如果nn.Linear()的输出层是2个神经元，就可以搭配Softmax()激活函数，来时作二元分类。
2. 如果nn.Linear()的输出层是1个神经元，就可以搭配Sigmoid()激活函数，来时作二元分类。

& 然而，在KL520推论时，只输出最后nn.Linear()层的神经元的值。

& 并没有再经由Softmax()激活函数计算。

& 所以并非输出Softmax()计算之后的值。

&于是，我们需要自己拿Softmax()来计算之，才是正确的分类(条件)机率值。

一、从训练模型出发

1、准备测试资料

& 本范例使用两个图像集(Dataset)：

 & 两类别，各有50张图像：

 

 & 所以，训练数据集共有100个样本。

2、最典型的程序范例

& 使用nn.Linear()搭配Softmax()函数。

& 指令：

 & 这迁移ResNet50的预训练模型。

& 添加上自己的FC层，指令：

 & 这nn.Linear()的输出层是2个神经元，搭配Softmax()激活函数。

& 程序代码：

 

 

 

 

 

 

 

 & 执行它，就展开训练，输出:

 & 这也汇出onnx档案。

& 经由耐能toolchain进行转换优化，生成*.nef档案：

 & 就能在KL520上运行推论了。

3、撰写App来引导推论

& 现在就来撰写一支myApp.py来引导推论。

& 此范例程序代码：

 

 

 

 

 

 

 

 

 

 & 在KL520上执行这支App，就进行推论，而输出：

 & 由于KL520推论输出的值，是nn.Linear()层的输出神经元的值。并没有经过Softmax()的转换。

& 于是，就在上述myApp.py里，增添一行指令：

 & 修改完毕了。

& 重新执行这myApp.py程序。

& 就输出正确预测(推论)结果了，如下：

 & 于是，顺利实作完成了。

& 最后，感谢您阅读本篇文章。本篇文章摘自【AI学习杂志】。

& 与神樱AI团队联络：misoo.tw@gmail.com。

◆◆◆

---

总结

更多资讯可私信，或者关注！

在个人主页，也可学习更多：

1、《关于NCS2+Openvino》： 、http://t.csdn.cn/452Tz

2、《建模_Unet_GAN》：http://t.csdn.cn/am37C

3、《彩绘GAN模型》：http://t.csdn.cn/OpfJ7

.............................................