本目录包含多种分类样例，以供用户参考。目录结构和具体说明如下。
googlenet系列样例
| 样例名称 | 样例说明 | 特性解析 | 支持芯片 |
|---|---|---|---|
| googlenet_imagenet_picture | 图片分类 | 输入输出均为JPG图片， 模型为基于Caffe的GoogLeNet模型 |
Ascend310 |
| googlenet_mindspore_picture | 图片分类 | 输入输出均为JPG图片， 模型为基于MindSpore的GoogLeNet模型 |
Ascend310 |
| googlenet_onnx_picture | 图片分类 | 输入输出均为JPG图片， 模型为基于pytorch的GoogLeNet模型 |
Ascend310 |
| googlenet_imagenet_multi_batch | 图片分类 | 输入输出均为JPG图片， 模型为基于Caffe的GoogLeNet模型， 使用了多batch的特性 |
Ascend310 |
resnet50系列样例
| 样例名称 | 样例说明 | 特性解析 | 支持芯片 |
|---|---|---|---|
| resnet50_imagenet_classification | 图片分类 | 输入为JPG图片，输出为屏幕打印。 基于 Caffe ResNet-50 网络实现图片分类（同步推理） |
Ascend310，Ascend710，Ascend910 |
| resnet50_async_imagenet_classification | 图片分类 | 输入为JPG图片，输出为屏幕打印。 基于 Caffe ResNet-50 网络实现图片分类（异步推理） |
Ascend310，Ascend710，Ascend910 |
| resnet50_mindspore_picture | 图片分类 | 输入输出均为JPG图片。 使用基于MindSpore的resnet50模型对输入图片进行分类推理 |
Ascend310 |
| vdec_resnet50_classification | 图片分类 | 输入为h264文件，输出为屏幕打印。 基于Caffe ResNet-50网络实现图片分类（视频解码+同步推理） |
Ascend310，Ascend710，Ascend910 |
| vpc_jpeg_resnet50_imagenet_classification | 图片分类 | 输入为YUV图片，输出为屏幕打印/JPG图片。 基于 Caffe ResNet-50 网络实现图片分类（图片解码+抠图缩放+图片编码+同步推理） |
Ascend310，Ascend710，Ascend910 |
| vpc_resnet50_imagenet_classification | 图片分类 | 输入为JPG图片，输出为屏幕打印。 基于Caffe ResNet-50网络实现图片分类（图片解码+缩放+同步推理） |
Ascend310，Ascend710，Ascend910 |
其他样例
| 样例 | 说明 | 支持芯片 |
|---|---|---|
| inceptionv3_picture | 基于Pytorch框架的 IncpetionV3模型的图片分类样例 | Ascend310 |
| lenet_mindspore_picture | 基于mindspore的lenet模型的图片文本分类样例 | Ascend310 |
| vgg16_cat_dog_picture | 基于caffe框架的vgg16模型的猫狗分类样例 | Ascend310 |
