关于重新转模型结果异常问题
jstzwjr opened this issue · 7 comments
您好，我用的是3559A板子，重新转wk模型之后传到板子上跑，提取到的人脸向量特征值都很大，都是几千 几万的，请问可能是什么原因？
另外，我看您在知乎的文章里提到特征向量的对比，我简单看了下代码之后，CNN_convert_bin_and_print_featuremap.py和caffe_forward.py好像都是通过caffe模型来计算特征向量的，结果理当是一样的吧？好像并没有对比转换之后的wk模型。
谢谢！
我使用ruyi studio对比fc层的输出，cosin 相似度在0.9左右，但是用您工程编译的可执行文件跑，特征向量会很大。
@jstzwjr CNN_convert_bin_and_print_featuremap.py和caffe_forward.py比较，是为了保证中间结果没问题，量化的中间结果需要和CNN_convert_bin_and_print_featuremap.py生成的进行比较。所以有这个步骤。
量化后的也有比较，低精度大概在98%-100%之间，高精度没啥问题。
@hanson-young 我量化之后fc1层输出与caffe的输出cosine相似度只有0.9左右，是不是太低了？我量化使用了大概10张图。但是对比id10.bgr和id11.bgr两张图片的结果时，相似度大概是0.98。
另外，我在使用ruyi studio转换您提供的人脸检测模型mnet时，耗时很久，上午10点开始make wk，到下午4点还在optimizing。量化使用了10张250*250的图片，请问是什么原因呢？谢谢！
请确保你data层以及一些中间层没问题，mnet那个量化速度确实会比较慢，有GPU建议上GPU
您好，我也有遇到提取到的人脸向量特征值都很大，都是几千几万的，请问您是怎么解决的呢？
您好，我也有遇到提取到的人脸向量特征值都很大，都是几千几万的，请问您是怎么解决的呢？
我的问题是源代码打印的特征向量是512维的，转后的模型输出向量是128维的，越界了