ncnn编译及mxnet转ncnn模型

最新推荐文章于 2023-02-11 17:12:25 发布
最新推荐文章于 2023-02-11 17:12:25 发布
阅读量1k 收藏 1
点赞数 1
分类专栏： mxnet 人工智能-人脸识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/kupepoem/article/details/104814665
版权

一、下载ncnn

下载链接https://codeload.github.com/Tencent/ncnn/zip/20200226

二、ncnn编译

1、protobuf下载及编译我使用的3.4.0版本

2、opencv下载及编译我使用的是opencv3.4.0版本

3、cmake配置

opencv目录和protobuf相关配置要设置上

4、生成vs工程 编译及install

三、mxnet模型转ncnn模型

运行cmd执行命令 mxnet2ncnn.exe model-symbol.json model.params model.param model.bin

 

kupeThinkPoem
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
海思3531d V200移植 openssh，创建sshd登录和文件传输
jingqing0603的博客
10-24 1002
本篇文章，只是介绍了移植openssh遇到的一些坑，以及最终的使用结果。 关于移植openssh的文章网上一大堆，本篇文章并没详细记录怎么移植，可以当作是一个问题补充吧。 参考 https://blog.csdn.net/weixin_43549602/article/details/84025910 在虚拟机中新建一个目录 /root/3531dv2/ssh/lib/ 作为交叉ssh的环境安装目录 mkdir -p /root/3531dv2/ssh/lib/ 【下载地址：】 http://www.z
ncnn编译（win10，实现mxnet2ncnnonx2ncnn）
Draw_1999的博客
12-10 2179
ncnn编译（win10，实现mxnet2ncn,nonx2ncnn）
mxnet编译android,mxnet to ncnn
weixin_42522912的博客
05-26 235
问题由来之前模型移植都是使用mxnet的amalgamation， 单个文件纯c++代码。使用这种方式的好处当然是编译简单无依赖。缺点却也日益突出：mxnet发展迅速，各个版本的模型不一定兼容。使用最新代码训练模型，也就意味着需要使用最新的代码生成amalgamation， 而mxnet现在的amalgamation基本处于无人维护的情况下，每次更新都需要手动解决大量问题才可用mxnet为了效率引...
封装32位ncnn
csy_9502的博客
11-22 803
本人系统win10 64位系统，现需要封装32位系统能用的库 1.用VS2015生成ncnn_32.lib，遇到    fatal error LNK1112: 模块计算机类型“X86”与目标计算机类型“x64”冲突 解决方法 将附加选项改为machine:x86 2.相应生成所需要的32位dll和lib 3.mxnet模型转ncnn模型 （1）写一个bat运行mxnet2ncnn...
【编译】NCNN编译安装
Lozenyi的博客
12-25 362
NCNN的编译与基准测试
mobilefacenet-mxnet:基于insightface训练mobilefacenet的相关步骤及ncnn转换流程
05-18
arcface_loss_test2-4：接lr0.1已经训练12万次的模型，增强lr0.1步骤的训练8万次，自身acc小幅提升，下降lr后，最终部分结果中lfw最佳结果99.517%，agedb有模型已提升至96.033%+ arcface_loss_test2-5：接arcface_...
tensorflow模型转ncnn的操作方式
09-16
主要介绍了tensorflow模型转ncnn的操作方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
MODNet官方onnx及其转换的ncnn模型、NCNN量化后模型
04-01
1、MODNet官方提供的onnx模型； 2、MODNet官方onnx模型转ncnn； 3、ncnn int8量化后的模型。
ncnn编译so文件方案
11-20
提交给大家顺便赚几个积分。最近积分用的太多了。。。。
NCNN源码一键编译ios库
09-28
一键编译NCNN的IOS库，能够同时支持x86_64/i386（iPhoneSimulator）和 armv7/arm64（iPhoneOS）。直接打包生成framework。 在最新NCNN源码测试通过。
硬十华山派ncnn移植教程1 固件编译和下载
tc_exe的博客
02-11 619
非常感谢硬十寄来的开发板，在吃过哪吒D1单核性能弱的亏以后，非常起到算能CV1812的双核设计能够弥补这个不足
Mxnet模型转化为ncnn模型，并验证转化正确性
xiaohuaibao的博客
05-23 3019
一、背景 同时已经训练好一个基于Mxnet的人脸属性检测模型，为了适应项目需要要将Mxnet转为ncnn模型。 Mxnet模型格式如下： 二、预期目标 利用上述模型，可以实现人脸属性的检测。检测准确性如下： ('acc_gender: ', 0.9220647773279352) ('acc_glass: ', 0.9949392712550608) ('acc_age: ',...
安装ncnn
leeyu的博客
12-17 1268
安装protobuf 下载protobuf源代码 sudo apt-get install autoconf automake libtool curl git clone https://github.com/google/protobuf cd protobuf 注意的是gmock由于网络的原因无法下载，需要我们翻墙联网。 编译与安装protobuf ./autogen.sh ./co...
移动端unet人像分割模型--2
xiexiecn的专栏
10-15 2367
  前一篇blog里提到的错误果然是mxnet网络的问题，pool5误敲成pool4修改之后，ncnn就不再crash，不过ncnn的mxnet2ncnn这个工具应该多加一些诊断确保转换的模型参数一致才对。   只是事情也没那么一帆风顺，转成ncnn后的预测结果死活不对。没办法，只能一层层去检查，写了几个简单的工具可以打印中间隐藏层的结果。   check.py import os os....
MxNet系列——how_to——faq
张学志の博客
02-08 2586
常见问题本节回答了 mxnet/issues上的常见问题。在提问前，请先检查该页面。如果你想要贡献本页面，请尽量使问题和答案简单。如果你的回答非常详细，请发布在其它地方并提供链接。构建和安装关于构建和安装的问题，绝大多数问题的答案都可以在 build page 上找到。速度在GPU上启动花费很长时间尝试禁止OpenCV使用GPU: build opencv from source with GPU
ncnn 载入insightface训练好的性别年龄识别模型
sinat_31425585的博客
03-28 5108
1、模型转换 从insightface项目中下载mxnet模型：https://github.com/deepinsight/insightface/tree/master/gender-age/model 2、使用ncnn的模型转换工具mxnet2ncnn进行模型转换 ./mxnet2ncnn model-symbol.json model-0000.params ag.param ag...
MXNet官方文档教程(2)：基于卷积神经网络的手写数字识别示例
Catalyst_ZX的博客
11-23 7112
原本打算开始翻译计算图的部分，结果上一篇刚发完，MXNet就升级了教程文档（伤不起啊），更新了上一篇中手写数字识别示例的详细教程。那这一篇就与时俱进，来将刚更新的这篇教程翻译过来把。由于目前图片无法上传到博客中，相关图片可在原网站查看：Handwritten Digit Recognition。 本教程引导你完成一个有关计算机视觉分类的应用示例：使用人工神经网络识别手写数字
深度学习框架哪家强？MXNet称霸CNN、RNN和情感分析，TensorFlow仅擅长推断特征提取
热门推荐
AI科技大本营
12-01 1万+
深度学习框架哪家强：TensorFlow？Caffe？MXNet？Keras？PyTorch？对于这几大框架在运行各项深度任务时的性能差异如何，各位读者不免会有所好奇。 微软数据科学家Ilia Karmanov最新测试的结果显示，亚马逊MXNet在CNN、RNN与NLP情感分析任务上性能强劲，而TensorFlow仅擅长于特征提取。 测试详情更新在Ilia Ka
MXNET是这样压榨深度学习的内存消耗的
slamer的专栏
06-23 5026
原文地址:https://github.com/dmlc/mxnet/blob/master/docs/zh/note_memory.md 最近在学习mxnet，发现mxnet的有些思想挺好，这里试着翻译它的一篇文章，也试着了解减少内存消耗的设计原则，希望这篇文章对大家有帮助。原文链接Squeeze the Memory Consumption of DeepLearning 深度学习的重要主
ncnn 交叉编译arm linux
最新发布
07-27
您好！要在ARM Linux上进行ncnn的交叉编译，您可以按照以下步骤进行操作： 1. 安装交叉编译工具链：首先，您需要安装适用于ARM Linux的交叉编译工具链。这个工具链包含了ARM架构的编译器和库文件，可以在x86主机上生成ARM架构的可执行文件。您可以从ARM官方网站或者其他第三方提供商处获取适用于您的目标平台的交叉编译工具链。 2. 下载ncnn源代码：您可以从ncnn的GitHub仓库中获取源代码。您可以使用git命令进行克隆，或者直接下载压缩包并解压。 3. 配置交叉编译环境：在源代码目录中，打开CMakeLists.txt文件，找到相关的交叉编译选项。根据您的目标平台和交叉编译工具链的路径，设置正确的选项。一般来说，您需要设置CMAKE_SYSTEM_NAME为Linux，CMAKE_SYSTEM_PROCESSOR为arm，CMAKE_C_COMPILER和CMAKE_CXX_COMPILER为交叉编译工具链中对应的编译器。 4. 创建构建目录：在源代码目录外创建一个新的目录，用于构建过程。例如，您可以在源代码目录同级创建一个名为"build_arm"的目录。 5. 进入构建目录并运行cmake：使用cd命令进入构建目录，然后运行cmake命令来生成Makefile。 ``` cd build_arm cmake .. ``` 6. 执行make命令进行编译：运行make命令开始编译ncnn。 ``` make ``` 7. 编译完成后，您将在构建目录中找到生成的可执行文件和库文件，这些文件是针对ARM Linux平台的。 请注意，以上步骤只是一个大致的指导，具体的步骤可能因您使用的工具链和平台而有所差异。在实际操作中，您可能还需要根据具体情况进行一些调整和配置。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

kupeThinkPoem

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值