本文主要汇总了RuyiStudi在使用过程中遇到的问题及其解决方案，包括模型运行、量化损失、图像格式要求、FPN的详细解释以及低精度设置等。在Linux环境下，特别强调了输入图像的一致性和log-level的设置。对于RuyiStudi的低精度配置，提到了int 8和int16的数据类型选择以及align-type和sparse参数的设定。此外，还提到了一个bug的解决方法，建议在板子上运行前添加特定库。
- 跑正确的模型及时备份：
LInux下
tar -zcvf ./Proj_all.tar.gz ./Proj_all
关于量化损失：NPU，GPU特征对比
- 输入图像必须一致，否则feature map无法对比
- 设置log-level 为functional level
实际中使用的图像格式：
- BGR
- RGB
关于FPN
stage 1 CNN
stage 2 ROI
关于RuyiStudi
low: int 8
high: int16
align-type: 16
sparse:(0, 1)，选0
bug1：
error while loading shared libraries:
libopencv_core.so.2.4: cannot open shared object file: No such file or directory
解决方法：
在板子上运行之前执行如下操作添加库：
export LD_LIBRARY_PATH=/root/test/lib
板子上常见命令
tftp -g -l YOLO-caffe2wk_inst.wk 10.0.11.117
1212
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
