如题，我猜测是量化的时候损失精度太多？
我也测试Demo程序，发现识别精度一样很差。。应该怎么提高精度阿？
还有一个问题就是，Demo程序偶尔会出现崩溃的问题。
@zhakangning 那你可以需要自己优化模型结构，从浮点转换成整型是会丢失掉一部分精度的。这毕竟是一个近似转换，这里提供几个思路
- demo里面对图片只进行了1次risize，方式是伸缩变形，这会造成一些精度损失，建议改成2次resize，改成按比例缩放并填充黑色，这样子精度会有提升
- 调整你转换时的参数，看看能不能提升精度，你可以研究下转换参数，不同参数是会有不同的效果的
- 优化yolov3的cfg文件，再重新训练
@zhakangning 崩溃的问题，我会测试验证。这个仅仅是demo，仅供参考，要实际应用，还是要自己写应用的
可以不量化直接转换模型到板子上运行吗？
凑字数凑字数凑子
@zhakangning 不量化，那你就需要自己在后续的C++源码中去处理这个过程，建议是在转换过程中量化
意思转换过程中不量化，后续程序运行的时候还是需要把32位浮点型转化为8位的过程吗？
换句话说，咱们这个VIM3的NPU可以支持32位浮点型的计算吗？
@zhakangning NPU只支持整型
哦，明白了，谢谢！
00000000000000000000000
@Frank 这个Demo除了那张1080p.bmp的示例照片，我用其他照片测试都没有检测正确的。。是我哪里操作不对吗？
@zhakangning 图片检测的这个，确认存在问题，你可以先使用摄像头的demo，那边是正常啊的。或者回退git到这个commit: 1c3380a97606b85dbe3c087bf0f0576dbf7793b3
我这里没有摄像头，可以直接给我发一个正常的图片识别的Demo程序源码吗？
326482852@qq.com
感谢！
@zhakangning 回退代码到1c3380a97606b85dbe3c087bf0f0576dbf7793b3这个commit就行，但是这个是使用opencv做resize，不是用ge2d的
软解码是解jpg吗？
这个github链接是哪个？我记得有一个只包含demo程序的https://gitlab.com/khadas/aml_npu_demo_binaries
有一个是包含demo源码的
可执行程序是这个仓库https://gitlab.com/khadas/aml_npu_demo_binaries
回退到这个commit： 1c3380a97606b85dbe3c087bf0f0576dbf7793b3
测试完可以了，最新版本是Demo是哪一层出问题了？
根据我的研究有3层，最上层是detect_demo，中间是libnn_detect.so，底层是libnn_yolo.so
@zhakangning 应用层处理图片的地方有问题，与库无关
@Frank 这个应用层代码的bug有计划修复吗？或者能提供一份以前正常的应用层代码吗？我这边需要根据这个代码来修改，实现自己的业务逻辑。
@zhakangning 在计划中，但是没这么快，最快下周处理。你可以回退到79429a1565a5d0c3dda8f2a24792127de628eeca