RKNN在转换过程中的均值和方差设置问题

于 2024-08-20 10:18:19 发布
阅读量411 收藏
点赞数 1
文章标签： 均值算法 算法 RKNN YOLO python 目标检测 计算机视觉
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/weixin_44133371/article/details/141350893
版权

为什么ONNX转RKNN要匹配均值和方差？
因为不匹配精度会下降！！！

一般的类似于YOLO模型

YOLO模型在ONNX转RKNN时rknn.config设置为
在这里插入图片描述一些其他模型将数据送入模型时会进行前处理，前处理会设置均值和方差，则在转模型时需要设置相同的方差。例如mobilenetv2数据送入模型前进行了均值和方差设置
在这里插入图片描述
则ONNX转RKNN时，需要设置相同的均值和方差，即（注意匹配通道顺序！！！RGB和BGR顺序不一样）
mean_values=[[123.675, 116.28, 103.53]], # 即 [0.485255, 0.456255, 0.406255]
std_values=[[58.395, 57.12, 57.375]], # 即 [0.229255, 0.224255, 0.225255]
在这里插入图片描述

菜鸡想入门C++QAQ
关注
高斯噪声的均值和方差_高斯过程和高斯过程回归
weixin_33256233的博客
01-27 6664
本文未经允许禁止转载，谢谢合作。本文我们介绍高斯过程及其在机器学习中应用的一个例子——高斯过程回归。高斯过程在语音合成中有广泛的应用，我计划在之后的文章中介绍一些应用，但本节我们重点讨论相关的基础知识。本文的大部分内容来自Stanford CS229-gaussian_process，有兴趣的同学可以去看英文原版。明天是元旦，因此也祝大家元旦快乐。1. 多元高斯分布1.1 定义设随机变量服从均值为...
0654-极智开发-解读vscode C++调试无法跳转问题解决
03-15
0654_极智开发_解读vscode C++调试无法跳转问题解决
rknn调用pytorch模型（2）-转换为rknn模型并进行推理
roymustang的博客
05-21 4100
通过rknn自带图形界面进行转化 python3 -m rknn.bin.visualization 不进行量化 产生了文件
RKNN模型部署（3）—— 模型转换与测试
热门推荐
机器人涮火锅的博客
01-13 1万+
将pth模型转换成rknn模型，然后调用rknn模型进行测试
RKNN 工具使用-python
dongdonglele521的博客
03-14 1872
quantized_method 支 持 layer 或 channel ， 用 于 每 层 的 权 重 是 否 共 享 参 数 ， 默 认 为。data_format ： 输 入 数 据 的 layout 列 表 ， 只 对 4 维 的 输 入 有 效 ， 格 式 为 “NCHW” 或。询 RKNN_QUERY_CUSTOM_STRING 得到该信息，方便部署时根据不同的 RKNN 模。默认值为 False。quantized_algorithm 用于指定计算每一层的量化参数时采用的量化算法，可以选择。
RKNN-Toolkit2相关API介绍（二）
zichuanning520的博客
07-12 5907
RKNN-Toolkit2相关API的介绍及其在RK3588上的使用
【rknn】onnx转rknn脚本解读以及函数解读(版本V1.7.3)
sazass的博客
02-22 3710
创建rknn对象。rknn的参数配置，这个函数需要设置的参数细节很多。加载onnx模型构建rknn模型模型转换并输出rknn模型接下来，依次具体介绍上述这些函数，以及包含的所有参数和默认值。建议直接在官网github上找到最新的整体流程图：当前介绍的rknn-api版本是V1.7.3。
计算pytorch标准化(Normalize)所需要数据集的均值和方差
01-20
1、如果是自己的数据集，mean 和 std 肯定要在normalize之前自己先算好再传进去的 2、有两种情况： a)数据集在加载的时候就已经转换成了[0, 1]. b)应用了torchvision.transforms.ToTensor，其作用是 （ Converts a ...
计算图像均值和方差
11-26
图像分割过程中，通过分析不同区域的均值和方差可以帮助区分图像的不同部分，例如背景与前景。 #### 3. 图像识别 在图像识别领域，特征提取是非常关键的一环。计算图像的均值和方差有助于抽取有效的特征，提高识别...
C++实现图像的均值和方差计算代码.rar
06-17
在图像处理领域，计算图像的均值和方差是非常基础且重要的步骤，它们可以提供关于图像亮度分布和颜色均匀性的信息。本项目是用C++编程语言实现的图像均值和方差计算代码，这对于理解图像处理算法以及进行图像分析...
pytorch 图像预处理之减去均值,除以方差的实例
09-18
本文主要讲解了在PyTorch中如何对图像进行减去均值和除以方差的预处理操作，并通过对比实验来说明不同的预处理方法在CPU和GPU环境下的性能差异。 在机器学习和深度学习领域，图像预处理是至关重要的一步，可以极大...
rknn模型转换问题记录
xiaoxuanxuan12的博客
08-01 2940
rknn模型转换问题记录
RKNN C++ 实现YOLOV5 分类模型（简单点，码字的方式简单点～）
最新发布
m0_46303486的博客
07-18 585
最近在做项目，用到了YOLOV5的分类模型，项目需求是将模型使用RKNN C++ API 接口实现。因为之前用C++实现过检测模型，刚开始便想当然的以为和YOLO的检测模型大差不差，甚至会更简单，就是因为这种心理踩了很多坑才实现项目需求。唉，怎么就没有人早点告诉我走弯路了呢？简单讲一下分类模型和检测模型的区别：（1）前处理方式不同，检测模型则是通过LetterBox的方式处理数据，而分类模型的前处理采用的是CenterCrop的方式。（2）归一化不同，检测模型归一化过程中均值是0，方差是255。
rknn（rknpu）使用笔记
yuanlulu的博客
07-18 8531
最近使用rknpu做了一些工作，这里记录下自己遇到的一些问题，希望对其他人有帮助，
RKNN Toolkit使用教程
AI吃大瓜的博客
02-22 1万+
RKNN Toolkit使用教程 RKNN Toolkit:http://wiki.t-firefly.com/zh_CN/Core-1808-JD4/npu_rknn_toolkit.html# Rockchip提供RKNN-Toolkit开发套件进行模型转换、推理运行和性能评估。 用户通过提供的 python 接口可以便捷地完成以下功能： 1）模型转换：支持 Caffe、Tensorflow、TensorFlow Lite、ONNX、Darknet 模型，支持RKNN 模型导入导出，后...
RK3399Pro RKNN-Toolkit 的使用
荪荪的博客
10-14 4891
RKNN-Toolkit前言模型运行在与 PC 相连的 Rockchip NPU 平台上 前言 目前 RKNN-Toolkit 可以运行在 PC（Linux/Windows/MacOS x64）上，也可以运行在 RK3399Pro 开发板（Debian9 或 Debian10）。 本人推荐PC是linux系统，rk3399pro是debian10，原因之后补充。 模型运行在与 PC 相连的 Rockchip NPU 平台上 该场景下，RKNN-Toolkit 运行在 PC 上，通过 PC 的 USB 连接
pytorch模型转onnx-量化rknn（bisenet）
橙子Blue不加冰
01-26 9359
1.pytorch模型转化onnx 先把pytorch的.pth模型转成onnx,例如我这个是用Bisenet转的 import argparse import os.path as osp import sys sys.path.insert(0, '.') import torch from lib.models import model_factory from configs import set_cfg_from_file torch.set_grad_enabled(False) pa
RK1808：CircleDet（人流检测）从pytorch到RK1808计算棒的部署
Johnson_star的博客
04-06 1366
RK1808：从pytorch到RK1808计算棒的部署RK1808 RK1808 http://t.rock-chips.com/wiki.php?mod=view&id=64 选用的用开发模式应为被动模式，即存在上位机。上位机初始化时将模型传送给RK1808棒，然后由上位机读取视频数据后，通过usb传输给1808，计算结果后再传回。 查看插入的计算棒的device_id： python -m rknn.bin.list_devices ##output *********************
matlab已知均值和方差求均值与方差
07-25
对于已知均值和方差的一组数据，如果想要求这组数据的新的均值和方差，可以按照以下步骤进行计算： 1. 均值的计算： 已知原始数据的均值 μ 和样本个数 n，则新的均值 μ' 可以通过下述公式计算： μ' = (n * μ + x) / (n + 1) 其中 x 表示新添加的数据。 2. 方差的计算： 已知原始数据的方差 σ^2、均值 μ 和样本个数 n，则新的方差 σ'^2 可以通过下述公式计算： σ'^2 = (n * σ^2 + (x - μ')^2) / (n + 1) 其中 x 表示新添加的数据。 根据以上公式，你可以将已知的均值和方差带入计算，得到新的均值和方差。
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
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