推理模型测试（ResNet50模型，x86架构，ubuntu系统为例）
1、安装Minconda3
获取地址：https://repo.anaconda.com/miniconda/
sh Miniconda3-latest-Linux-x86_64.sh
source /root/miniconda3/bin/activate
vi /root/.bashrc
export PATH=/root/miniconda3/bin:$PATH
source /root/.bashrc
2、创建属于自己的conda环境
conda create --name py310 python=3.10
conda env list
conda activate py310
3、安装模型依赖包
apt install -y libncursesw5 libjpeg-dev zlib1g-dev
pip3 install numpy==1.23.5
4、安装深度学习框架 （如果下载包timeout 切记加上 --default-timeout=300）
pip3 install torch-2.1.1+corex.4.1.2-cp310-cp310-linux_x86_64.whl
pip3 install igie-0.9.1+corex.4.1.2-cp310-cp310-linux_x86_64.whl
pip3 install ixrt-0.9.1+corex.4.1.2-cp310-cp310-linux_x86_64.whl
pip3 install tensorflow-2.12.0+corex.4.1.2-cp310-cp310-linux_x86_64.whl
pip3 install torchvision-0.16.0+corex.4.1.2-cp310-cp310-linux_x86_64.whl --default-timeout=300
5、安装示例脚本
bash corex-samples-4.1.2_x86_64.run
6、安装深度学习推理框架示例脚本
cp corex-inference-data-3.3.0.tar /root/corex-samples-4.1.2_x86_64/samples/inferencesamples/
cd /root/corex-samples-4.1.2_x86_64/samples/inferencesamples/
tar -xvf corex-inference-data-3.3.0.tar
7、准备推理前环境
cd /root/corex-samples-4.1.2_x86_64/samples/inferencesamples/
bash quick_build_environment.sh
8、以使用ResNet50模型并使用igie框架验证在INT8精度上的推理性能为例，运行以下演示脚本：
cd /root/corex-samples-4.1.2_x86_64/samples/inferencesamples/executables/resnet
bash init.sh
bash infer_resnet50_int8_performance_igie.sh
9、以使用ResNet50模型并使用ixrt接口框架验证在fp16精度上的推理性能为例，运行以下演示脚本：
cd /root/corex-samples-4.1.2_x86_64/samples/inferencesamples/executables/resnet
bash init.sh
bash infer_resnet50_fp16_performance_ixrt.sh
10、以使用ResNet50模型并使用igie框架验证在INT8精度上的验证精度为例，运行以下演示脚本：
cd /root/corex-samples-4.1.2_x86_64/samples/inferencesamples/executables/resnet
bash init.sh
bash infer_resnet50_int8_accuracy_igie.sh
11、以使用ResNet50模型并使用IxRT接口验证在FP16精度上的推理性能为例，运行以下演示脚本：
cd /root/corex-samples-4.1.2_x86_64/samples/inferencesamples/executables/resnet
bash init.sh
bash infer_resnet50_fp16_accuracy_ixrt.sh
