应该如何搭建mlperf inference测试，测试的项目为ResNet50测试ImageNet数据集

要搭建mlperf inference测试，需要进行以下步骤：

1. 安装mlperf inference benchmark：你可以从mlperf官方github仓库中下载最新版本的mlperf inference benchmark，然后按照README文件中的指引进行安装和配置。

2. 下载ResNet50模型：你可以从TensorFlow官方的github仓库中下载ResNet50模型的TensorFlow实现。

3. 下载ImageNet数据集：你可以从ImageNet官方网站上下载ImageNet数据集。

4. 运行测试：在配置好mlperf inference benchmark、ResNet50模型和ImageNet数据集之后，你可以运行测试脚本，例如：

python3 ./run_mlperf.py \
--benchmarks=resnet50 \
--scenarios=offline \
--mode=accuracy \
--mlperf_conf=./mlperf.conf \
--user_conf=./user.conf \
--model=resnet50 \
--data_dir=/path/to/imagenet \
--output_dir=/path/to/output

这个脚本会运行ResNet50模型在ImageNet数据集上的离线准确度测试，并将测试结果输出到指定的目录中。

需要注意的是，mlperf inference benchmark需要运行在支持ML accelerator的硬件上，例如GPU或TPU。另外，不同的硬件平台可能需要不同的配置参数，需要根据具体情况进行修改。