NCNN，protobuf編譯

首先需要根據(jù)官方編譯protobuf和NCNN 關(guān)于如何編譯NCNN和 protobuf 的方式我是參考這個(gè)的。
https://blog.csdn.net/qq_36890370/article/details/104966786
本文主要的內(nèi)容是如何使用cmake去配置NCNN環(huán)境，在編譯這塊不過多敘述。

文件放置

我們需要將NCNN和protobuf編譯生成文件中的install目錄下的bin，cmake，include，lib文件和并起來。如下圖：

install位置

然后我們創(chuàng)建cmake工程。

cmake配置

同時(shí)需要注意配置opencv和ncnn的環(huán)境變量，這樣cmake也可以直接搜索到cmake的第三方配置文件。

# CMakeList.txt: CMakeProject1 的 CMake 項(xiàng)目，在此處包括源代碼并定義
# 項(xiàng)目特定的邏輯。
#
cmake_minimum_required (VERSION 3.8)
project (CMakeProject1)

#OPENCV
set(OpenCV_DIR  "D:/openCV/opencv/build/x64/vc15/lib")  #如果配置了opencv環(huán)境變量也不用加
find_package(OpenCV REQUIRED)
#添加頭文件
include_directories(${OpenCV_INCLUDE_DIRS})

#NCNN
set(ncnn_DIR "D:/NCNN/ncnnDepen/lib/cmake/ncnn")  
find_package(ncnn REQUIRED)


# 將源代碼添加到此項(xiàng)目的可執(zhí)行文件。
add_executable (CMakeProject1 "CMakeProject1.cpp" "CMakeProject1.h")

#鏈接庫(kù)文件
target_link_libraries(CMakeProject1 ${OpenCV_LIBS})
target_link_libraries(CMakeProject1 ncnn)

# TODO: 如有需要，請(qǐng)?zhí)砑訙y(cè)試并安裝目標(biāo)。

模型驗(yàn)證

使用squeezenet驗(yàn)證NCNN環(huán)境是否配置上了，之所以使用squeezenet主要原因是因?yàn)镹CNN官方github里面提供了權(quán)重也就是bin和params，在sample文件夾里，所以懶死我算了。具體代碼如下，也可以直接copy NCNN包中sample下的squeezenet.cpp一樣的。

// CMakeProject1.cpp: 定義應(yīng)用程序的入口點(diǎn)。
//

#include "CMakeProject1.h"

#include "net.h"

#include <algorithm>
#if defined(USE_NCNN_SIMPLEOCV)
#include "simpleocv.h"
#else
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#endif
#include <stdio.h>
#include <vector>

using namespace std;
using namespace cv;

static int detect_squeezenet(const cv::Mat& bgr, std::vector<float>& cls_scores)
{
    //創(chuàng)建模型
    ncnn::Net squeezenet;
    squeezenet.opt.use_vulkan_compute = true;
    //讀取權(quán)重網(wǎng)絡(luò)結(jié)構(gòu)
    if (squeezenet.load_param("D:/NCNN/ncnn-master/examples/squeezenet_v1.1.param"))
        exit(-1);
    if (squeezenet.load_model("D:/NCNN/ncnn-master/examples/squeezenet_v1.1.bin"))
        exit(-1);
    //將opencv轉(zhuǎn)換為ncnn輸入格式 大小為(227,227)
    ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR, bgr.cols, bgr.rows, 227, 227);

    const float mean_vals[3] = { 104.f, 117.f, 123.f };
    //對(duì)圖像進(jìn)行均值方差的操作  mean_vals表示為減去的均值  norm_vals表示為方差
    in.substract_mean_normalize(mean_vals, 0);
    //抽取模型
    ncnn::Extractor ex = squeezenet.create_extractor();
    //輸入 這個(gè)根據(jù)use netron 查看入口，和出口
    ex.input("data", in);
    ncnn::Mat out;
    ex.extract("prob", out);

    cls_scores.resize(out.w);

    for (int j = 0; j < out.w; j++)
    {
        cls_scores[j] = out[j];
    }

    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;
    vec.resize(size);
    for (int i = 0; i < size; i++)
    {
        vec[i] = std::make_pair(cls_scores[i], i);
    }

    std::partial_sort(vec.begin(), vec.begin() + topk, vec.end(),
        std::greater<std::pair<float, int> >());

    // 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()
{
    //讀取圖片
    const char* imagepath = "C:/Users/zheng/Pictures/lion.png";
    Mat m = imread(imagepath, 1);
    if (m.empty())
    {
        fprintf(stderr, "cv::imread %s failed\n", imagepath);
        return -1;
    }
    //設(shè)置置信度
    std::vector<float> cls_scores;

    detect_squeezenet(m, cls_scores);
    print_topk(cls_scores, 3);

    return 0;
}

模型執(zhí)行成功就行了。

結(jié)果圖