Toybrick

rknn 模型精度分析

czcl

中级会员

积分
383
楼主
发表于 2022-1-11 18:49:12    查看: 3078|回复: 2 | [复制链接]    打印 | 只看该作者
下面是一段rknn 模型每一层的精度信息
请问 eculidean_norm和eculidean 分别代表原始模型和优化后模型的欧拉距离么,还是有别的含义,我想知道如何对比
我在原始darknet 上看不到有打印每一层精度的函数, 我们的精度信息又没有介绍(文档没有具体的说明,仅仅说明了可以通过accuracy_analysis 分析精度)

======================= Entire Model Quantization Error Analysis  =======================
------------------------------------------------------------------------------------------
input_0_out0_nhwc_1_608_608_3.tensor                            eculidean_norm=0.002969 cosine_norm=0.999995    eculidean=1.168606      cosine=0.999996
convolution_0_1_out0_nhwc_1_304_304_32.tensor                   eculidean_norm=0.036099 cosine_norm=0.999349    eculidean=180.426132    cosine=0.999348
leakyrelu_0_3_out0_nhwc_1_304_304_32.tensor                     eculidean_norm=0.065979 cosine_norm=0.997823    eculidean=161.195450    cosine=0.997822
convolution_1_4_out0_nhwc_1_152_152_64.tensor                   eculidean_norm=0.089029 cosine_norm=0.996037    eculidean=237.020950    cosine=0.996037
leakyrelu_1_6_out0_nhwc_1_152_152_64.tensor                     eculidean_norm=0.100213 cosine_norm=0.994979    eculidean=194.508972    cosine=0.994979
convolution_2_7_out0_nhwc_1_152_152_64.tensor                   eculidean_norm=0.093981 cosine_norm=0.995584    eculidean=238.018951    cosine=0.995583
leakyrelu_2_9_out0_nhwc_1_152_152_64.tensor                     eculidean_norm=0.112215 cosine_norm=0.993704    eculidean=147.640869    cosine=0.993704
slice_route_3_10_out0_nhwc_1_152_152_32.tensor                  eculidean_norm=0.111622 cosine_norm=0.993770    eculidean=92.506744     cosine=0.993770
convolution_4_11_out0_nhwc_1_152_152_32.tensor                  eculidean_norm=0.105550 cosine_norm=0.994429    eculidean=186.904648    cosine=0.994430
leakyrelu_4_13_out0_nhwc_1_152_152_32.tensor                    eculidean_norm=0.120079 cosine_norm=0.992791    eculidean=146.271484    cosine=0.992790
convolution_5_14_out0_nhwc_1_152_152_32.tensor                  eculidean_norm=0.107417 cosine_norm=0.994231    eculidean=229.388367    cosine=0.994231
leakyrelu_5_16_out0_nhwc_1_152_152_32.tensor                    eculidean_norm=0.108117 cosine_norm=0.994156    eculidean=192.018097    cosine=0.994156
concat_6_17_out0_nhwc_1_152_152_64.tensor                       eculidean_norm=0.112150 cosine_norm=0.993711    eculidean=241.384125    cosine=0.993711
convolution_7_18_out0_nhwc_1_152_152_64.tensor                  eculidean_norm=0.113635 cosine_norm=0.993543    eculidean=478.379272    cosine=0.993544
leakyrelu_7_20_out0_nhwc_1_152_152_64.tensor                    eculidean_norm=0.190100 cosine_norm=0.981931    eculidean=209.532364    cosine=0.981931
concat_8_21_out0_nhwc_1_152_152_128.tensor                      eculidean_norm=0.149364 cosine_norm=0.988846    eculidean=256.323303    cosine=0.988845
pooling_9_22_out0_nhwc_1_76_76_128.tensor                       eculidean_norm=0.140580 cosine_norm=0.990119    eculidean=162.317963    cosine=0.990119
convolution_10_23_out0_nhwc_1_76_76_128.tensor                  eculidean_norm=0.099966 cosine_norm=0.995003    eculidean=206.569687    cosine=0.995003
leakyrelu_10_25_out0_nhwc_1_76_76_128.tensor                    eculidean_norm=0.150415 cosine_norm=0.988688    eculidean=92.588127     cosine=0.988688
slice_route_11_26_out0_nhwc_1_76_76_64.tensor                   eculidean_norm=0.138438 cosine_norm=0.990418    eculidean=61.087040     cosine=0.990417
convolution_12_27_out0_nhwc_1_76_76_64.tensor                   eculidean_norm=0.114506 cosine_norm=0.993444    eculidean=152.948669    cosine=0.993444
leakyrelu_12_29_out0_nhwc_1_76_76_64.tensor                     eculidean_norm=0.117270 cosine_norm=0.993124    eculidean=88.808929     cosine=0.993124
convolution_13_30_out0_nhwc_1_76_76_64.tensor                   eculidean_norm=0.117010 cosine_norm=0.993154    eculidean=176.785812    cosine=0.993154
leakyrelu_13_32_out0_nhwc_1_76_76_64.tensor                     eculidean_norm=0.125519 cosine_norm=0.992122    eculidean=114.247704    cosine=0.992123
concat_14_33_out0_nhwc_1_76_76_128.tensor                       eculidean_norm=0.122212 cosine_norm=0.992532    eculidean=144.705093    cosine=0.992532
convolution_15_34_out0_nhwc_1_76_76_128.tensor                  eculidean_norm=0.099291 cosine_norm=0.995071    eculidean=272.488281    cosine=0.995071
回复

使用道具 举报

bob286

中级会员

积分
327
沙发
发表于 2022-1-13 13:45:31 | 只看该作者
可以输出每一层的数值的,具体看下文档
回复

使用道具 举报

czcl

中级会员

积分
383
板凳
 楼主| 发表于 2022-1-17 09:39:34 | 只看该作者
bob286 发表于 2022-1-13 13:45
可以输出每一层的数值的,具体看下文档

感谢您的回答,但是你的回答跟我说的不一致,我询问的是上面字段的含义,以及如何判定精度
您说的文档我看过了,没有对上面日志的任何解释
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

产品中心 购买渠道 开源社区 Wiki教程 资料下载 关于Toybrick


快速回复 返回顶部 返回列表