tools/accuracy_checker/sample/sample_config.yml

   1 models:
   2   - name: SampLeNet_example
   3
   4     # list of launchers for your topology.
   5     launchers:
   6         # launcher framework (e.g. caffe, dlsdk)
   7       - framework: dlsdk
   8         # device for infer (e.g. for dlsdk cpu, gpu, hetero:cpu,gpu ...)
   9         device: CPU
  10         # topology IR (*.prototxt for caffe, *.xml for InferenceEngine, etc)
  11         # path to topology is prefixed with directory, specified in "-m/--models" option
  12         caffe_model:   SampLeNet.prototxt
  13         # topology weights binary (*.caffemodel for caffe, *.bin for InferenceEngine)
  14         caffe_weights: SampLeNet.caffemodel
  15         # launcher returns raw result, so it should be converted
  16         # to an appropriate representation with adapter
  17         adapter: classification
  18         # batch size
  19         batch: 1
  20
  21     # metrics, preprocessing and postprocessing are typically dataset specific, so dataset field
  22     # specifies data and all other steps required to validate topology
  23     # there is typically definitions file, which contains options for common datasets and which is merged
  24     # during evaluation, but since "sample_dataset" is not used anywhere else, this config contains full definition
  25     datasets:
  26         # uniquely distinguishable name for dataset
  27         # note that all other steps are specific for this dataset only
  28         # if you need to test topology on multiple datasets, you need to specify
  29         # every step explicitly for each dataset
  30       - name: sample_dataset
  31         # directory where input images are searched.
  32         # prefixed with directory specified in "-s/--source" option
  33         data_source: sample_dataset/test
  34         # parameters for annotation conversion to a common annotation representation format.
  35         annotation_conversion:
  36           # specified which annotation converter will be used
  37           #  In order to do this you need to provide your own annotation converter,
  38           # i.e. implement BaseFormatConverter interface.
  39           # All annotation converters are stored in accuracy_checker/annotation_converters directory.
  40           converter: sample
  41           # converter specific parameters.
  42           # Full range available options you can find in accuracy_checker/annotation_converters/README.md
  43           # relative paths will be merged with "-s/--source" option
  44           data_dir: sample_dataset
  45
  46         # list of preprocessing, applied to each image during validation
  47         # order of entries matters
  48         preprocessing:
  49             # resize input image to topology input size
  50             # you may specify size to which image should be resized
  51             # via dst_width, dst_height fields
  52           - type: resize
  53             size: 32
  54             # topology is trained on RGB images, but OpenCV reads in BGR
  55             # thence it must be converted to RGB
  56           - type: bgr_to_rgb
  57             # dataset mean and standard deviation
  58           - type: normalization
  59             # you may specify precomputed statistics manually or use precomputed values, such as ImageNet as well
  60             mean: (125.307, 122.961, 113.8575)
  61             std: (51.5865, 50.847, 51.255)
  62
  63         # list of metrics, calculated on dataset
  64         metrics:
  65           - type: accuracy
  66             top_k: 1