inference-engine/ie_bridges/python/sample/classification_sample_async/classification_sample_async.py

   1 #!/usr/bin/env python
   2 """
   3  Copyright (C) 2018-2019 Intel Corporation
   4
   5  Licensed under the Apache License, Version 2.0 (the "License");
   6  you may not use this file except in compliance with the License.
   7  You may obtain a copy of the License at
   8
   9       http://www.apache.org/licenses/LICENSE-2.0
  10
  11  Unless required by applicable law or agreed to in writing, software
  12  distributed under the License is distributed on an "AS IS" BASIS,
  13  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  14  See the License for the specific language governing permissions and
  15  limitations under the License.
  16 """
  17 from __future__ import print_function
  18 import sys
  19 import os
  20 from argparse import ArgumentParser, SUPPRESS
  21 import cv2
  22 import numpy as np
  23 import logging as log
  24 from time import time
  25 from openvino.inference_engine import IENetwork, IEPlugin
  26
  27
  28 def build_argparser():
  29     parser = ArgumentParser(add_help=False)
  30     args = parser.add_argument_group('Options')
  31     args.add_argument('-h', '--help', action='help', default=SUPPRESS, help='Show this help message and exit.')
  32     args.add_argument("-m", "--model", help="Required. Path to an .xml file with a trained model.",
  33                       required=True, type=str)
  34     args.add_argument("-i", "--input", help="Required. Path to a folder with images or path to an image files",
  35                       required=True, type=str, nargs="+")
  36     args.add_argument("-l", "--cpu_extension",
  37                       help="Optional. Required for CPU custom layers. Absolute path to a shared library with the"
  38                            " kernels implementations.", type=str, default=None)
  39     args.add_argument("-pp", "--plugin_dir", help="Optional. Path to a plugin folder", type=str, default=None)
  40     args.add_argument("-d", "--device",
  41                       help="Optional. Specify the target device to infer on; CPU, GPU, FPGA, HDDL or MYRIAD is "
  42                            "acceptable. The sample will look for a suitable plugin for device specified. Default value is CPU",
  43                       default="CPU", type=str)
  44     args.add_argument("--labels", help="Optional. Labels mapping file", default=None, type=str)
  45     args.add_argument("-nt", "--number_top", help="Optional. Number of top results", default=10, type=int)
  46     args.add_argument("-ni", "--number_iter", help="Optional. Number of inference iterations", default=1, type=int)
  47     args.add_argument("-pc", "--perf_counts", help="Optional. Report performance counters",
  48                       default=False, action="store_true")
  49
  50     return parser
  51
  52
  53 def main():
  54     log.basicConfig(format="[ %(levelname)s ] %(message)s", level=log.INFO, stream=sys.stdout)
  55     args = build_argparser().parse_args()
  56     model_xml = args.model
  57     model_bin = os.path.splitext(model_xml)[0] + ".bin"
  58
  59     # Plugin initialization for specified device and load extensions library if specified
  60     plugin = IEPlugin(device=args.device, plugin_dirs=args.plugin_dir)
  61     if args.cpu_extension and 'CPU' in args.device:
  62         plugin.add_cpu_extension(args.cpu_extension)
  63     # Read IR
  64     log.info("Loading network files:\n\t{}\n\t{}".format(model_xml, model_bin))
  65     net = IENetwork(model=model_xml, weights=model_bin)
  66
  67     if plugin.device == "CPU":
  68         supported_layers = plugin.get_supported_layers(net)
  69         not_supported_layers = [l for l in net.layers.keys() if l not in supported_layers]
  70         if len(not_supported_layers) != 0:
  71             log.error("Following layers are not supported by the plugin for specified device {}:\n {}".
  72                       format(plugin.device, ', '.join(not_supported_layers)))
  73             log.error("Please try to specify cpu extensions library path in sample's command line parameters using -l "
  74                       "or --cpu_extension command line argument")
  75             sys.exit(1)
  76     assert len(net.inputs.keys()) == 1, "Sample supports only single input topologies"
  77     assert len(net.outputs) == 1, "Sample supports only single output topologies"
  78
  79     log.info("Preparing input blobs")
  80     input_blob = next(iter(net.inputs))
  81     out_blob = next(iter(net.outputs))
  82     net.batch_size = len(args.input)
  83
  84     # Read and pre-process input images
  85     n, c, h, w = net.inputs[input_blob].shape
  86     images = np.ndarray(shape=(n, c, h, w))
  87     for i in range(n):
  88         image = cv2.imread(args.input[i])
  89         if image.shape[:-1] != (h, w):
  90             log.warning("Image {} is resized from {} to {}".format(args.input[i], image.shape[:-1], (h, w)))
  91             image = cv2.resize(image, (w, h))
  92         image = image.transpose((2, 0, 1))  # Change data layout from HWC to CHW
  93         images[i] = image
  94     log.info("Batch size is {}".format(n))
  95
  96     # Loading model to the plugin
  97     log.info("Loading model to the plugin")
  98     exec_net = plugin.load(network=net)
  99
 100     # Start sync inference
 101     log.info("Starting inference ({} iterations)".format(args.number_iter))
 102     infer_time = []
 103     for i in range(args.number_iter):
 104         t0 = time()
 105         infer_request_handle = exec_net.start_async(request_id=0, inputs={input_blob: images})
 106         infer_request_handle.wait()
 107         infer_time.append((time() - t0) * 1000)
 108     log.info("Average running time of one iteration: {} ms".format(np.average(np.asarray(infer_time))))
 109     if args.perf_counts:
 110         perf_counts = infer_request_handle.get_perf_counts()
 111         log.info("Performance counters:")
 112         print("{:<70} {:<15} {:<15} {:<15} {:<10}".format('name', 'layer_type', 'exet_type', 'status', 'real_time, us'))
 113         for layer, stats in perf_counts.items():
 114             print("{:<70} {:<15} {:<15} {:<15} {:<10}".format(layer, stats['layer_type'], stats['exec_type'],
 115                                                               stats['status'], stats['real_time']))
 116     # Processing output blob
 117     log.info("Processing output blob")
 118     res = infer_request_handle.outputs[out_blob]
 119     log.info("Top {} results: ".format(args.number_top))
 120     if args.labels:
 121         with open(args.labels, 'r') as f:
 122             labels_map = [x.split(sep=' ', maxsplit=1)[-1].strip() for x in f]
 123     else:
 124         labels_map = None
 125     classid_str = "classid"
 126     probability_str = "probability"
 127     for i, probs in enumerate(res):
 128         probs = np.squeeze(probs)
 129         top_ind = np.argsort(probs)[-args.number_top:][::-1]
 130         print("Image {}\n".format(args.input[i]))
 131         print(classid_str, probability_str)
 132         print("{} {}".format('-' * len(classid_str), '-' * len(probability_str)))
 133         for id in top_ind:
 134             det_label = labels_map[id] if labels_map else "{}".format(id)
 135             label_length = len(det_label)
 136             space_num_before = (7 - label_length) // 2
 137             space_num_after = 7 - (space_num_before + label_length) + 2
 138             space_num_before_prob = (11 - len(str(probs[id]))) // 2
 139             print("{}{}{}{}{:.7f}".format(' ' * space_num_before, det_label,
 140                                           ' ' * space_num_after, ' ' * space_num_before_prob,
 141                                           probs[id]))
 142         print("\n")
 143
 144
 145 if __name__ == '__main__':
 146     sys.exit(main() or 0)