caffe 模型转换为rknn后识别一直错

只看该作者 · 发表于 2019-8-23 10:46:21

wzc 发表于 2019-8-23 08:55
感谢解答，我在做量化的事情，所以想看看toolkit量化的中间参数，和这个帖子的主题无关，让您误会了，抱 ...

这个看NPU部门Roadmap有没有设计这么看了。目前他们是认为看rknn的参数并没有太大意义，量化后你需要经过反量化计算才能知道源参数是什么，去看这些参数并不是一个好的debug方式。

只看该作者 · 发表于 2019-8-23 11:34:04

jefferyzhang 发表于 2019-8-23 10:46
这个看NPU部门Roadmap有没有设计这么看了。目前他们是认为看rknn的参数并没有太大意义，量化后你需要经过 ...

好的，然后现在又遇到一个问题，使用toolkit的时候，量化校正的数据集一张和两百多张的准确率没有什么差别是为什么呀？而且量化完了asymmetric_quantized-u8和dynamic_fixed_point-8的效果都很差，我看到建议图片是大于两百张，这个结果是因为网络比较简单一张就够了吗？还是说两百张也太少了需要更多呢？网络是mobilenetV1，做的图片分类

只看该作者 · 发表于 2019-8-23 11:46:10

wzc 发表于 2019-8-23 11:34
好的，然后现在又遇到一个问题，使用toolkit的时候，量化校正的数据集一张和两百多张的准确率没有什么差 ...

这种东西就是只能靠不停的实验得出结果。200张其实也不够多，我们客户都是用上万张去量化的。
量化是个很复杂的技术，如果不满意结果，是可以通过混合量化来细调的，好的量化技术是可以无限接近于原模型精度，我们也只是提供了量化的渠道和方式，至于如何调参能达到完美的精度，这个只能具体问题具体分析。
甚至只能不停的尝试来解决（神经网络目前没有足够的理论支撑，大部分都是靠不停的实验来提高精度）

caffe 模型转换为rknn后 识别一直错

caffe 模型转换为rknn后识别一直错