#hb_eval_preprocess工具

用于对模型精度进行评估时，在x86环境下对图片数据进行预处理。所谓预处理是指图片数据在送入模型之前的特定处理操作（比如：图片resize、crop和padding等）。 使用hb_eval_preprocess工具对图片进行预处理并生成二进制文件的基本流程，如图所示：

#支持范围

上板模型仅支持AIbenchmark PTQ示例模型，包括如下模型：

mobilenetv1、mobilenetv2、resnet50、googlenet、efficientnet_lite0、efficientnet_lite1、 efficientnet_lite2、efficientnet_lite3、efficientnet_lite4、vargconvnet、efficientnasnet_m、efficientnasnet_s、resnet18、yolov2_darknet19、 yolov3_darknet53、yolov5x、ssd_mobilenetv1、centernet_resnet101、yolov3_vargdarknet、deeplabv3plus_efficientnetb0、fastscnn_efficientnetb0、 deeplabv3plus_efficientnetm1、deeplabv3plus_efficientnetm2。

#使用方法

#命令行参数

参数名称	参数说明
-h, --help	显示帮助信息。
--version	显示版本并退出。
-m, --model_name	设置模型名称，支持的模型范围可通过 hb_eval_preprocess --help 查看。
-i, --image_dir	输入图片路径。
-o, --output_dir	输出路径。
-v, --val_txt	设置评测所需图片的文件名称，预处理生成的图片将与此文件中的图片名称对应。

#使用示例

以 resnet50 模型为例，使用以下命令对图片进行预处理：

#输出内容说明

hb_eval_preprocess 命令将会在 --output_dir 指定的路径下生成图片二进制文件。