我导出了一个yolov8s的原版模型，转成dlc后使用8550的dps运行，用的snpe2.13，我发现模型输出的xywh的值至少还都是有效值，但是输出的confidence全是0，问题可能出在那里呢

请叫我攻城狮hh 2024-05-09 10:05:56

我导出了一个yolov8s的原版模型，转成dlc后使用8550的dps运行，用的snpe2.13，我发现模型输出的xywh的值至少还都是有效值，但是输出的confidence全是0，问题可能出在那里呢？

...全文

691 2 打赏收藏转发到动态举报

写回复

用AI写文章

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

白日莫等闲 05-17

打赏
举报

现在本地X86测试，可能你的编码输入有问题

weixin_38498942 05-09

打赏
举报

问题大概率出在量化上。如果您用的output0作为量化输出的话，可以很清楚的看到，这个节点对量化很不友好：左边Mul分支的值分布在0到640之间，而右边Sigmoid分支的值分布在0到1之间，分布差距巨大的两个分支concat到一起，很难用int8的255个值表示，因此右分支的值都是0是因为int8对数值表示的颗粒度不够，所有小于某个值的数都被归到0了。您可以尝试使用onnx编辑工具，把concat节点删除，同时在Mul节点和Sigmoid节点下面各自加一个输出，让分布不同的两套值使用不同的量化参数，这样可以缓解这个现象。

snpe-1.50.0.zip

官方例子，深度学习专用，机器学习专用，代码简单，一看就会(dlcv benchmark model demo)

一个可以复用的学习snpe的库

Neighbourhood Preserving Embedding 是一种基于流形的子空间方法。文件中包含原始的NPE算法和3种改进的有监督NPE算法，经过试验，有监督的识别算法优于原始算法。

snpe-码头工人 Docker容器和帮助程序为snx模型转换和基准测试构建snpe 1.47。大多数示例都假定您正在使用视觉模型，但是它们仍然可以帮助您完成当前的任务。构建Docker容器首先下载并将其放置在该项目的根目录中，然后使用snpe环境构建并运行docker，请运行以下命令： $ git clone https://github.com/4knahs/snpe-docker.git $ cd snpe-docker $ # Download snpe 1.47 and place in this folder $ docker build -t snpe . 要获得bash外壳，只需执行以下操作： docker run -v " $( pwd ) " /mount:/mnt/files --privileged -v /dev/bus/usb:/dev/bus/u