NCNN使用总结

Posted 2023-03-15

参考技术A

关于安装、编译、使用步骤等不在赘述， 官网 有很详细文档

使用caffe模型的时候，input部分一定要写成规范格式：

千万别图省事写成如下格式，caffe可以运行没问题，但是转化无法识别，这个ncnn数据结构导致！！！

网络定义的层千万别出现重复情况，一定要规范定义：

千万别写成如下网络，在caffe可以稳定运行，但是ncnn会读取上第一次出现的top层！！！

第一层输出是 concat_out1 ,第二层输出也是 concat_out1 ，当使用 ncnn.extract 会出现错误！！！

这貌似是算作 caffe 的问题，在笔者使用的过程忽略了这一点，干脆算 NCNN 操作里面了。

Batch Normalization 层有个 use_global_stats 参数，这个操作的作用是： 是否使用caffe内部的均值和方差

换句话的意思就是:

--------- true ：使用caffe内部的均值和方差，其中方差和均值都是固定的，模型训练好之后，这两个值就固定了。
--------- false ：使用当前层计算的方差和均值，这个是不固定的，是在训练过程一直改变，训练好的时候达到最优。

其中 NCNN 默认使用 true 状态，不管是 false 还是 true ，最终都是算作 true

caffe 测试的时候得手动设置为 true

正常来说 ncnn 和 caffe 原版的误差范围在 0.001 左右，我的数据在 0.000X 范围徘徊，如果你的数据精确不到第三个有效数字，那就得检查网络输入精度了。

输入的 substract_mean_normalize 得尽量精确，尤其是归一化的值！！！

假设 0-255 的图像需要归一化到 0-1 ：

千万不要写成下面这样，读者可以自己测试，精度差别较大。

这里没有错误点，只有心得点。

看了NCNN的官网给的例子，它是将输出转化为一行数据，然后一个一个的进行处理：

个人感觉使用这种处理小数据还是可以的，本人使用网络输出 100 × 100 × 10 ，这种情况该如何处理？

本人使用处理如下：

NCNN官网有个人问能不能输入和输出多个通道数据，后者已经在上文实现，以下看前者。