ResNet-50 是一种深度卷积神经网络模型，最初由微软研究院提出，用于解决深层神经网络训练中的退化问题。该模型采用了“残差学习”技术，通过引入跳跃连接（Skip Connections）或“快捷连接”避免梯度消失问题，使得网络层数可以大幅增加。ResNet-50 由50层网络组成，包含了多个残差模块，每个模块都有多个卷积层。由于其高效性和准确性，ResNet-50 被广泛应用于图像分类、目标检测和其他计算机视觉任务中。

源模型

• 输入尺寸: 224x224
• 参数量: 24.37M
• 模型大小: 97.4MB
• 输出尺寸：1x1000

源模型仓库：resnet

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md