,英特尔开源计算机视觉库OpenCV 4.7于去年12月正式发布新版本带来了全新的ONNX层,大大提升了DNN码的卷积性能,同时也提供了华为对DNN模块的后端支持
根据OpenCV中国团队的最新测试,在CANN加速能力的基础上,在OpenCV动物园用PP—ResNet50,MobileNet,YOLOX对CANN后端进行测试,发现三款车型在CANN后端下分别取得了3.29ms,1.21ms,12.80ms的优异成绩。
同时,CANN后端的推理结果与默认CPU后端的推理结果基本一致。有了OpenCV,用户无需学习CANN的API,只需调用Ascending AI处理器,用下面7行Python代码就可以实现神经网络加速推理:
import cv 2 ascvnet = cv . dnn . readnet net . setpreferableback endnet . setpreferabletargetinput = cv . im readnet设置输入)out = net使用CANN后端推理的Forward()示例代码
南科大计算机系余老师介绍,OpenCV针对ARM CPU进行优化,如winograd等,在苹果基准CPU上完成ResNet50推理需要20ms以上,而华为ascend只需要3.29ms。
本站了解到,Ascension CANN是华为针对AI场景推出的异构计算架构盛腾CANN支持盛思MindSpore,OpenCV DNN,Paddle,PyTorch,TensorFlow等神经网络推理和训练框架,兼容多种底层硬件设备
。