AlexNet是2012年由Alex Krizhevsky等人提出的卷积神经网络模型，它在ImageNet大规模视觉识别挑战赛（ILSVRC）中取得了巨大的成功，被认为是推动深度学习发展的重要里程碑。AlexNet由五个卷积层和三个全连接层组成，利用ReLU激活函数加速训练，并通过使用Dropout技术防止过拟合。它还通过GPU并行计算大幅提升了训练速度。AlexNet的设计显著提高了图像分类任务的准确率，标志着卷积神经网络在计算机视觉中的广泛应用的开始。

源模型

• 输入尺寸: 224x224
• 参数量: 58.27M
• 模型大小: 233.08M
• 输出尺寸：1x1000

源模型仓库：AlexNet

Model Farm 提供预编译好的模型资源以及推理代码，支持以下两种方式获取：

• 通过 Model Farm 页面获取：在右侧性能参考板块中点击模型 & 代码获取模型资源及代码包。

• 通过命令获取（推荐）：持有阿加犀开发板的用户，可以通过开发板内置的 MMS 工具获取模型资源及代码包。

# 模型查询
mms list [model name]

# 模型资源获取
mms get -m [model name] -p [precision] -c [soc] -b [backend] -d [file path]

MMS 具体使用请参考：MMS 使用 & 提前获取预览版块模型

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