先用git clone
下载kendryte-model-compiler以及kendryte-standalone-demo。
下面使用model-cmpiler把pb格式的文件转换成c文件,在model-compiler目录下有一个pb_files文件,里面存储了20分类神经网络训练好的模型:20classes_yolo.pb
,在model-compiler目录下使用如下命令完成转换:python3 __main__.py --pb_path pb_files/20classes_yolo.pb --tensor_output_name yv2 --dataset_input_name input:0 --dataset_pic_path dataset/yolo_240_320/dog.bmp --image_w 320 --image_h 240 --eight_bit_mode True
。--pb_path
是.pb文件的路径,--tensor_output_name
指定tensor输出操作的名字,--dataset_input_name
用于指定网络的输入,--dataset_pic_path
用于指定辅助浮点到定点转换图片的路径,--image_w 320 --image_h 240
分别指定网络尺寸,--eight_bit_mode
用于选择8bit量化或者16bit量化。转换结果如下:
mac kendryte使用model-cmpiler运行kpu-demo
最新推荐文章于 2024-07-19 17:52:57 发布
本文介绍了如何在Mac环境下,利用kendryte-model-compiler将.pb模型文件转换为C文件,并通过kendryte-standalone-demo运行KPU演示。详细步骤包括模型转换、使用tensorboard查看模型结构、代码编译及烧录到硬件板的过程。
摘要由CSDN通过智能技术生成