【ncnn】源码阅读理解（一）——例子注释_ncnn 源码阅读理解

Code

#include <opencv2\opencv.hpp>
#include <map>
#include <vector>  
#include <algorithm>  
#include <functional>  
#include <cstdlib> 
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#include <net.h>

static int detect_squeezenet(const cv::Mat& bgr, std::vector<float>& cls_scores)
{
	ncnn::Net squeezenet;			// 声明一个类，这里是一个模型，但是怎么知道模型的结构呢？
	squeezenet.load_param("D:/profile/ncnn-20200226/examples/squeezenet_v1.1.param");			// 和darknet一样，读取一个配置文件来建立模型darknet中net, layer都是struct
	squeezenet.load_model("D:/profile/ncnn-20200226/examples/squeezenet_v1.1.bin");				// 读入预训练模型的参数

	ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR, bgr.cols, bgr.rows, 227, 227);		// 图像预处理

	const float mean_vals[3] = { 104.f, 117.f, 123.f };
	in.substract_mean_normalize(mean_vals, 0);

	ncnn::Extractor ex = squeezenet.create_extractor();

	ex.input("data", in);			// 给网络提供输入

	ncnn::Mat out;
	ex.extract("prob", out);		// 提取网络输出

	cls_scores.resize(out.w);		// 设置容器的大小
	for (int j = 0; j<out.w; j++)
	{
		cls_scores[j] = out[j];		// 放入容器
	}

	return 0;
}

static int print_topk(const std::vector<float>& cls_scores, int topk)
{
	// partial sort topk with index
	int size = cls_scores.size();
	std::vector< std::pair<float, int> > vec;			// 声明一个pair容器
	vec.resize(size);
	for (int i = 0; i<size; i++)
	{
		vec[i] = std::make_pair(cls_scores[i], i);		// 向容器内写入数据
	}

	std::partial_sort(vec.begin(), vec.begin() + topk, vec.end(),		// 部分排序算法，只要topk的 // 返回一个当前vector容器中起始元素的迭代器
		std::greater< std::pair<float, int> >());						// greator，降序排列，应该是使用第一个float

	// print topk and score
	for (int i = 0; i<topk; i++)
	{
		float score = vec[i].first;
		int index = vec[i].second;
		fprintf(stderr, "%d = %f\n", index, score);
	}

	return 0;
}

int main()
{
	std::string imagepath = "./demo_image/test.jpg";
	cv::Mat m = cv::imread(imagepath, CV_LOAD_IMAGE_COLOR);
	if (m.empty())
	{
		std::cout << "cv::imread " << imagepath << " failed\n" << std::endl;
		return -1;
	}

	std::vector<float> cls_scores;
	detect_squeezenet(m, cls_scores);			// 加载模型，推理，将推理结果放入cls_scores

	print_topk(cls_scores, 3);					// 打印前三高的分数
	getchar();
	return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81

知识点

• vector的使用
• partial_sort实现的部分排序，降序排序，提取top
• ncnn声明一个模型类，采用和darknet同样的方式，通过读取一个配置文件来初始化模型，load_model：载入预训练模型的参数