在初始化网络的时候,程序提示输入层报错,这个怎么解决
D [setup_node:367]Setup node id[0] uid[0] op[NBG]
D [print_tensor:129]in : id[ 0] shape[ 512, 384, 3, 1 ] fmt[u8 ] qnt[ASM zp=139, scale=0.007215]
D [print_tensor:129]out: id[ 2] shape[ 128, 96, 2, 1 ] fmt[u32] qnt[ASM zp= 0, scale=1.989773]
D [print_tensor:129]out: id[ 3] shape[ 128, 96, 2, 1 ] fmt[u32] qnt[ASM zp= 0, scale=0.002375]
D [print_tensor:129]out: id[ 1] shape[ 128, 96, 1, 1 ] fmt[u32] qnt[ASM zp= 0, scale=0.000563]
D [optimize_node:311]Backward optimize neural network
D [optimize_node:318]Forward optimize neural network
I [compute_node:260]Create vx node
E [compute_node:286]Create node[0] NBG fail
find failure
E [vnn_CreateNeuralNetwork:177]CHECK PTR 177
E [main:217]CHECK PTR 217
文件拷过来了
在 vsi_nn_SetupGraph 这里方法出错的
在 vnn_inceptionv3.c 这个文件文件里面
是在Ubuntu上面编译的,然后复制到VIM3上面运行
demo中的文件名称我没有改变,只是把转换脚本里面的tf模型换成了caffe模型
复制的demo就是工具包里的
aml_npu_sdk/acuity-toolkit/conversion_scripts
这个文件夹下面的demo,我改了一些参数
$convert_caffe
–caffe-model ./model/test.prototxt
–caffe-blob ./model/test.caffemodel
–net-output ${NAME}.json
–data-output ${NAME}.data
这个不是inception模型,这个是我自己的模型,只是没有改名字
我发现不使用inception_v3这个名字的话,转换模型会出错
程序在跑起来之后,精度下降好多,这个问题怎么处理?
@weiyong 精度下降了多少? 精度下降的原因很多,一个是NPU的计算能力无法与PC端的GPU相比。另外一个就是demo讲图片的输入都做了一定的压缩,所以精度有一定下降是肯定的,最大识别数相比PC也会有一些下降。如果像提高精度,一个方法是修改模型,改进最优解。一个是加大训练量,提高精度,但是这个方法要注意不要过饱和了。 或者修改demo,不要限制图片的输入大小,但是带来影响暂时无法预知,你可以尝试修改看看