NCNN流程总结

本文总结了NCNN的网络加载、数据预处理、网络推理等关键步骤。通过load_param和load_model加载模型,from_pixels_resize进行图像数据转换与resize,substract_mean_normalize执行标准化操作。接着,通过create_extractor创建网络提取器进行推理,包括输入数据、提取网络层输出,以验证与其它模型的输出一致性。
摘要由CSDN通过智能技术生成

ncnn的大致流程如下程序代码所示:
在这里插入图片描述
一、网络加载
load_param、load_model加载ncnn的bin和param模型文件。
二、数据预处理
2.1、from_pixels_resize
含义:将cv::Mat数据转换到ncnn::Mat同时进行resize操作,具体顺序为先resize后from_pixels转换(一、三、四通道)。
from_pixels:开辟一块ncnn::Mat大小的内存,然后遍历数组一个一个填进去;
注:需要注意的是,获取ncnn::Mat的三个通道的数据,要用channel方法的索引,因为ncnn::Mat的数据存储,channel和channel之间需要对齐,数据不一定是连续的。
2.2、substract_mean_normalize:
含义:减均值除方差操作
*ptr = (*ptr - mean) * norm;
具体为遍历Mat的所有数据,然后减mean乘norm,要注意这里是乘norm,不是一般说的除方差,而是方差的倒数才是norm,不为0;
三、网络推理
在这里插入图片描述
3.1、create_extractor或ncnn::Extra

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

ghx3110

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
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