玩转Atlas200DK（九）ATC模型转换

九、MindStudio 3.0.4的模型转换

1、背景

在前文

张小白：玩转Atlas 200DK（四）MindStudio安装与配置0 赞同 · 0 评论文章正在上传…重新上传取消

《使用MindStudio打开resnet50_imagenet_classification样例工程》一节中，张小白为了生成200DK所需要的离线模型，是直接在运行环境200DK上用命令行完成了相关的转换功能：

在

张小白：玩转Atlas 200DK（五）OpenCV的安装0 赞同 · 0 评论文章正在上传…重新上传取消

《使用MindStudio运行YoLoV3样例工程》一节中，也是如此。

但这件事情，其实在MindStudio上也是可以完成的。我们现在就来做一下尝试。

2、模型转换尝试1——resnet50的模型转换（不带AIPP的模型转换）

使用MindStudio打开 resnet50_imagenet_classification 样例工程：

我们建一个caffe_model的目录，将caffe模型的文件下载下来：

wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.prototxt

wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/resnet50/resnet50.caffemodel

打开Ascend菜单，点击Model Converter：

会弹出以下界面：

ModelFile选择以下内容：

系统自动弹出以下内容：

将Output Path打开，选择转换后的模型存放model目录：

当然这个时候跟原来的om重名了，我们可以改个名字：

改为：

点击Next：

这里我们暂时不需要AIPP，所以选择Next：

查看上面的预览窗口：

/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin/atc --input_shape="data:1,3,224,224" --weight="/home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/caffe_model/resnet50.caffemodel" --input_fp16_nodes="data" --check_report=/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/network_analysis.report --input_format=NCHW --output="/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/resnet50_zhanghui" --soc_version=Ascend310 --framework=0 --model="/home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/caffe_model/resnet50.prototxt"

我们对比下 https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification

提供的命令行命令参数：

atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=model/resnet50 --soc_version=Ascend310 --input_format=NCHW --input_fp16_nodes=data --output_type=FP32 --out_nodes=prob:0

好像缺少output_type和out_nodes两个参数。这个暂时不管（？）

再核对下，貌似output路径也不对，明明输入的是：

/home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/model

预览窗口却显示：

/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/resnet50_zhanghui

感觉先需要创建一下/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/ 这个目录。否则转换应该会报错：

我们点击Finish开始转换吧：

好像很快就转换完成了：

将转换日志贴出来看一下：

2022-04-15 16:05:08  Start to convert model
2022-04-15 16:05:08  export PATH=$PATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/ccec_compiler/bin:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin && export PYTHONPATH=$PYTHONPATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages/auto_tune.egg/auto_tune:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages/schedule_search.egg:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/opp/op_impl/built-in/ai_core/tbe && export LD_LIBRARY_PATH=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/lib64:/usr/local/Ascend/driver/lib64:/usr/local/Ascend/driver/lib64/driver:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/add-ons:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/acllib/lib64:$LD_LIBRARY_PATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/lib64/stub && export SLOG_PRINT_TO_STDOUT=1 && export ASCEND_OPP_PATH=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/opp && /home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin/atc  --input_shape="data:1,3,224,224" --weight="/home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/caffe_model/resnet50.caffemodel" --input_fp16_nodes="data" --check_report=/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/network_analysis.report --input_format=NCHW --output="/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/resnet50_zhanghui" --soc_version=Ascend310 --framework=0 --model="/home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/caffe_model/resnet50.prototxt"
2022-04-15 16:05:08  ATC start working now, please wait for a moment.
2022-04-15 16:05:23  ATC run success, welcome to the next use.
2022-04-15 16:05:24  Convert model environment variables:
2022-04-15 16:05:24  export PATH=$PATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/ccec_compiler/bin:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin && export PYTHONPATH=$PYTHONPATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages/auto_tune.egg/auto_tune:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages/schedule_search.egg:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/opp/op_impl/built-in/ai_core/tbe && export LD_LIBRARY_PATH=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/lib64:/usr/local/Ascend/driver/lib64:/usr/local/Ascend/driver/lib64/driver:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/add-ons:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/acllib/lib64:$LD_LIBRARY_PATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/lib64/stub && export SLOG_PRINT_TO_STDOUT=1 && export ASCEND_OPP_PATH=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/opp
2022-04-15 16:05:24  Convert model command:
2022-04-15 16:05:24  /home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin/atc  --input_shape="data:1,3,224,224" --weight="/home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/caffe_model/resnet50.caffemodel" --input_fp16_nodes="data" --check_report=/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/network_analysis.report --input_format=NCHW --output="/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/resnet50_zhanghui" --soc_version=Ascend310 --framework=0 --model="/home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/caffe_model/resnet50.prototxt"
2022-04-15 16:05:24  Model converted successfully.
2022-04-15 16:05:24  Model input path:/home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/caffe_model/resnet50.prototxt
2022-04-15 16:05:24  Model output path:/home/ascend/modelzoo/resnet50_zhanghui/Ascend310
2022-04-15 16:05:24  Model conversion log file path:/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/ModelConvert.txt
2022-04-15 16:05:24  Copy model file to destination folder /home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/model successfully.
2022-04-15 16:05:24  Model conversion config file path:/home/ascend/modelzoo/resnet50_zhanghui/Ascend310/resnet50_zhanghui_config.json

切换到 /home/ascend/modelzoo/resnet50_zhanghui/Ascend310/resnet50_zhanghui 目录，发现om文件在这里生成了。（希望MindStudio团队把这个改下吧，毕竟这样子转换找模型貌似不方便，都已经指定了说要到model目录，还给放到其他目录）

无奈，只好手动把这个模型结果拷贝回 /home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/model目录：

cp resnet50_zhanghui.om /home/ascend/tag/samples/cplusplus/level2_simple_inference/1_classification/resnet50_imagenet_classification/model/

再回到MindStudio页面：

既然这样，我们把sample_process.cpp中的模型文件改一下：

再重新编译:

运行：

对比前文（200DK模型转换）运行结果和现在（MindStudio模型转换）的运行结果：

推理结果是一模一样的。

张小白感觉，在200DK上运行atc，时间比较长，在MindStudio上运行Model Converter，却非常快，想必这个atc是在x86上运行的。

张小白在200DK上计算了一下模型转换的时间：

time atc --model=caffe_model/resnet50.prototxt --weight=caffe_model/resnet50.caffemodel --framework=0 --output=caffe_model/resnet50 --soc_version=Ascend310 --input_format=NCHW --input_fp16_nodes=data --output_type=FP32 --out_nodes=prob:0

基本上要花上3-4分钟左右才能完成模型转换。

3、模型转换尝试2——YoLoV3的模型转换（使用aipp.cfg配置文件）

好了，图片分类的样例试玩了，我们再看看复杂一点的带AIPP的YoLoV3的模型转换。

参考：https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture

打开YoLoV3工程：

同样的建立caffe_model目录，并下载三个文件：

cd /home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model

wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/Yolov3/yolov3.caffemodel
wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/Yolov3/yolov3.prototxt
wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/YOLOV3_coco_detection_picture/aipp_nv12.cfg

由于YoLoV3的模型需要RGB输入，且模型需要416X416大小，所以带了个AIPP的配置文件.

我们同样的打开Model Converter页面，引入模型文件和权重文件：

同时改输出的模型名称：

输入这个不起作用的Output Path：

界面显示如下：

点击Next，打开Data Preprocessing：

这样不行，说所有的nodes都不支持AIPP，那应该怎么办呢？

点Previous回到前面的页面，将Type改为UINT8：

再点击Next，打开 Data Preprocessing：

我们打开Load AIPP Configuration：

并选择刚才下载的aipp_nv12.cfg文件：

结果变成了这个：

点击Next继续：

我们再对比下命令行方式跟这个预览窗口的命令：

命令行：

atc --model=yolov3.prototxt --weight=yolov3.caffemodel --framework=0 --output=yolov3 --soc_version=Ascend310 --insert_op_conf=aipp_nv12.cfg

预览窗口：

/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin/atc --input_shape="data:1,3,416,416;img_info:1,4" --weight="/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.caffemodel" --check_report=/home/ascend/modelzoo/yolov3-zhanghui/Ascend310/network_analysis.report --input_format=NCHW --output="/home/ascend/modelzoo/yolov3-zhanghui/Ascend310/yolov3-zhanghui" --soc_version=Ascend310 --insert_op_conf=/home/ascend/modelzoo/yolov3-zhanghui/Ascend310/insert_op.cfg --framework=0 --model="/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.prototxt"

除了前面的output在modelzoo之外，好像还有其他的不太一样之处，比如输入的 aipp_nv12.cfg变成了 /home/ascend/modelzoo/yolov3-zhanghui/Ascend310/insert_op.cfg 还多了一个 --input_shape="data:1,3,416,416;img_info:1,4"

如果想关掉input Node（data），会告诉你不能选择UINT8 type：

经过几次尝试，只有将Input Nodes的data设为 FP16，将img_info设为UINT8

才能进入下面的页面：

这样再看看预览窗口：

比较预览的命令：

/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin/atc --input_shape="data:1,3,416,416;img_info:1,4" --weight="/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.caffemodel" --input_fp16_nodes="data" --check_report=/home/ascend/modelzoo/yolov3/Ascend310/network_analysis.report --input_format=NCHW --output="/home/ascend/modelzoo/yolov3/Ascend310/yolov3" --soc_version=Ascend310 --framework=0 --model="/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.prototxt"

命令行方式：

atc --model=yolov3.prototxt --weight=yolov3.caffemodel --framework=0 --output=yolov3 --soc_version=Ascend310 --insert_op_conf=aipp_nv12.cfg

貌似并没有用到aipp的cfg文件。

这么看来，只能采用两个都改为UINT8的模式，才能正确选择 insert_op_conf

而据 @刘鹏程老师说，这种情形是MindStudio重新生成了一个cfg文件。

那我们试一下吧：

点击Finish进行模型转换：

十几秒之后：

转换成功。MindStudio里面应该还是看不到，因为又跑到modelzoo目录下面去了：

我们把原来工程下的yolov3.om改个名字，然后将这个yoloV3.om拷贝过去：

cd ~/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/model

mv yolov3.om yolov3-200dk.om

cp ~/modelzoo/yolov3/Ascend310/yolov3.om .

因为这次我们是模型名称都没变，所以直接运行即可：

当然可以先删掉原来output目录下的图片：

然后运行推理：

点击Run：

耐心等待推理完毕：（这次运行的比较久，貌似是因为里面有1个caffee模型，两个om模型。。）

推理完毕，图片也生成了，打开看看：

好像不对了！

4、模型转换尝试3——YoLoV3的模型转换（使用附加参数方式调用aipp.cfg配置文件）

经过咨询 @刘鹏程老师，暂时换一种方法做：

打开Model Converter页面：

在选择了modelfile之后，仅将data type改为UINT8，点击Next：

系统提示目录已经存在，选择replace：

第二页不打开，点击Next：

在第三页中，打开Additional Arguments：

并在下面录入AIPP的配置文件的参数：

--insert_op_conf=/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/aipp_nv12.cfg

此时需要点击TAB键，这时候，预览窗口会更新，增加这个参数（重要）

点击 Finish，系统开始模型转换：

十几秒之后转换完毕：

我们去终端将模型拷贝过来：

由于模型名称没变，我们直接运行即可：

推理成功。但是好像识别了5次狗。。。

打开结果图片，貌似确实如此。识别的结果都重叠了。

修改第一页的参数：

img_info改为1,1试试，同样第二页不选，跳到第三页，按上述方法填入AIPP参数文件名：

点击Finish进行模型转换：

将模型拷贝到model目录：

再重新运行推理：

好像结果是一样的。

这个结局并不完美。

5、模型转换尝试4——YoLoV3的模型转换（放弃aipp.cfg文件，使用Model Converter的Data Pre-Processing配置）

张小白心想，那就不读aipp.cfg文件，而是打开AIPP的配置，把配置做成跟aipp.cfg文件做成一样不就行了吗？

于是，张小白重新打开Model Converter：

选择两个INT8，这样才能打开下一页的AIPP：

在这一页，对比aipp.cfg文件，按照上面的方法录入Mean, Min和1/Variance参数：

尽管有好几个cfg文件的参数在图形界面上找不到，但是死马当活马医，先这样Next下去吧：

点击Finish，开始模型转换：

把日志贴出来：

2022-04-15 19:27:08  insert op file content:
aipp_op {
related_input_rank : 0
src_image_size_w : 416
src_image_size_h : 416
crop : false
padding : false
input_format : YUV420SP_U8
aipp_mode: static
csc_switch : true
rbuv_swap_switch : false
matrix_r0c0 : 298
matrix_r0c1 : 0
matrix_r0c2 : 409
matrix_r1c0 : 298
matrix_r1c1 : -100
matrix_r1c2 : -208
matrix_r2c0 : 298
matrix_r2c1 : 516
matrix_r2c2 : 0
input_bias_0 : 16
input_bias_1 : 128
input_bias_2 : 128
mean_chn_0 : 0
mean_chn_1 : 0
mean_chn_2 : 0
min_chn_0 : 0.0
min_chn_1 : 0.0
min_chn_2 : 0.0
var_reci_chn_0 : 0.003921568627
var_reci_chn_1 : 0.003921568627
var_reci_chn_2 : 0.003921568627
}
2022-04-15 19:27:08  Start to convert model
2022-04-15 19:27:08  export PATH=$PATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/ccec_compiler/bin:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin && export PYTHONPATH=$PYTHONPATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages/auto_tune.egg/auto_tune:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages/schedule_search.egg:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/opp/op_impl/built-in/ai_core/tbe && export LD_LIBRARY_PATH=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/lib64:/usr/local/Ascend/driver/lib64:/usr/local/Ascend/driver/lib64/driver:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/add-ons:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/acllib/lib64:$LD_LIBRARY_PATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/lib64/stub && export SLOG_PRINT_TO_STDOUT=1 && export ASCEND_OPP_PATH=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/opp && /home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin/atc  --input_shape="data:1,3,416,416;img_info:1,4" --weight="/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.caffemodel" --check_report=/home/ascend/modelzoo/yolov3/Ascend310/network_analysis.report --input_format=NCHW --output="/home/ascend/modelzoo/yolov3/Ascend310/yolov3" --soc_version=Ascend310 --insert_op_conf=/home/ascend/modelzoo/yolov3/Ascend310/insert_op.cfg --framework=0 --model="/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.prototxt"
2022-04-15 19:27:08  ATC start working now, please wait for a moment.
2022-04-15 19:27:25  ATC run success, welcome to the next use.
2022-04-15 19:27:26  Convert model environment variables:
2022-04-15 19:27:26  export PATH=$PATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/ccec_compiler/bin:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin && export PYTHONPATH=$PYTHONPATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages/auto_tune.egg/auto_tune:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/python/site-packages/schedule_search.egg:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/opp/op_impl/built-in/ai_core/tbe && export LD_LIBRARY_PATH=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/lib64:/usr/local/Ascend/driver/lib64:/usr/local/Ascend/driver/lib64/driver:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/add-ons:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/acllib/lib64:$LD_LIBRARY_PATH:/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/lib64/stub && export SLOG_PRINT_TO_STDOUT=1 && export ASCEND_OPP_PATH=/home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/opp
2022-04-15 19:27:26  Convert model command:
2022-04-15 19:27:26  /home/ascend/Ascend/ascend-toolkit/5.0.4.alpha005/atc/bin/atc  --input_shape="data:1,3,416,416;img_info:1,4" --weight="/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.caffemodel" --check_report=/home/ascend/modelzoo/yolov3/Ascend310/network_analysis.report --input_format=NCHW --output="/home/ascend/modelzoo/yolov3/Ascend310/yolov3" --soc_version=Ascend310 --insert_op_conf=/home/ascend/modelzoo/yolov3/Ascend310/insert_op.cfg --framework=0 --model="/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.prototxt"
2022-04-15 19:27:26  Model converted successfully.
2022-04-15 19:27:26  Model input path:/home/ascend/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/caffe_model/yolov3.prototxt
2022-04-15 19:27:26  Model output path:/home/ascend/modelzoo/yolov3/Ascend310
2022-04-15 19:27:26  Aipp config file path:/home/ascend/modelzoo/yolov3/Ascend310/insert_op.cfg
2022-04-15 19:27:26  Model conversion log file path:/home/ascend/modelzoo/yolov3/Ascend310/ModelConvert.txt
2022-04-15 19:27:26  Model conversion config file path:/home/ascend/modelzoo/yolov3/Ascend310/yolov3_config.json

对比了一下，好像matrix开头的不一样，rbuv_swap_switch不一样，其他基本一样。

继续将模型拷贝到model目录下：

（这里可以看到张小白试了多少次了吧。。。）

那就开始试试运行一下，看看推理结果吧：

这次好像很有希望。

打开图片一看：

终于获得了跟前文的200DK模型转换后的离线模型一样的结果了。

撒花，先休息吧。

（未完待续）