## 运行C++ ResNet50图像分类样例 ### 一：获取Resnet50模型 点击[链接](https://paddle-inference-dist.bj.bcebos.com/inference_demo/python/resnet50/ResNet50.tar.gz)下载模型， 该模型在imagenet 数据集训练得到的，如果你想获取更多的**模型训练信息**，请访问[这里](https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/image_classification)。 ### 二：**样例编译** 文件`resnet50_test.cc` 为预测的样例程序（程序中的输入为固定值，如果您有opencv或其他方式进行数据读取的需求，需要对程序进行一定的修改）。 文件`CMakeLists.txt` 为编译构建文件。 脚本`run_impl.sh` 包含了第三方库、预编译库的信息配置。 编译Resnet50样例，我们首先需要对脚本`run_impl.sh` 文件中的配置进行修改。 1）**修改`run_impl.sh`** 打开`run_impl.sh`，我们对以下的几处信息进行修改： ```shell # 根据预编译库中的version.txt信息判断是否将以下三个标记打开 WITH_MKL=ON WITH_GPU=ON USE_TENSORRT=OFF # 配置预测库的根目录 LIB_DIR=${YOUR_LIB_DIR}/fluid_inference_install_dir # 如果上述的WITH_GPU 或 USE_TENSORRT设为ON，请设置对应的CUDA， CUDNN， TENSORRT的路径。 CUDNN_LIB=/paddle/nvidia-downloads/cudnn_v7.5_cuda10.1/lib64 CUDA_LIB=/paddle/nvidia-downloads/cuda-10.1/lib64 # TENSORRT_ROOT=/paddle/nvidia-downloads/TensorRT-6.0.1.5 ``` 运行 `sh run_impl.sh`， 会在目录下产生build目录。 2） **运行样例** ```shell # 进入build目录 cd build # 运行样例 ./resnet50_test --model_file=${RESNET_MODEL_PATH}/ResNet/model --params_file=${RESNET_MODEL_PATH}/ResNet/params ``` 运行结束后，程序会将模型结果打印到屏幕，说明运行成功。 ### 更多链接 - [Paddle Inference使用Quick Start！]() - [Paddle Inference Python Api使用]()