華為的海思平台有一套自己的深度學習推理框架nnie,可實現在邊緣端硬體實現深度學習模型的部署，一般的部署套路是從訓練框架的模型轉到onnx模型，再轉到caffe模型，然後由caffe模型轉到nnie的wk模型。由於nnie所支援的運算元列表有限，經常會發生caffe->nnie轉換過程中報錯的現象。筆者在此整理了在轉換過程中遇到的一些不支援的op的情況，以及解決方案。
1.關於全域性平均（最大）池化操作，nnie中對池化層的核尺寸有乙個限制，kernel<2048/(w/(16*stride_w)stride_w)。
解決辦法：採用多次平均池化的方法，代替全域性平均池化。
例如：我想實現乙個234310尺寸的特徵圖的全域性池化
正常的caffe中的prototxt：
layer
}
layer
}layer
}
碼字不易，如果覺得文章有用的話，請讚賞支援下！
機器學習演算法之 最大熵模型總結
最大熵模型可由最大熵原理推出，最大熵原理是概率模型學習的乙個準則。最大熵原理認為在滿足已有事實的所有可能的概率模型中，熵最大的模型是最好的模型。x 是x的取值個數，上式表明當且僅當x的分布是均勻分布時右邊的等號成立，當x服從均勻分布時，熵最大。兩個步驟 給定資料集，考慮模型滿足的條件，可以確定聯合分...
深度學習之最大池化操作的實現
在darknet框架中 c語言實現 max pooling實現方式如下 void forward maxpool layer const maxpool layer l,network net l.output out index max l.indexes out index max i 其中，函...
Android平台的深度學習模型載入
經實驗，得到如下結果 1 android通過opencv的dnn模組，可以載入caffe模型，但載入tf onnx pt失敗 vs中通過opencv的dnn模組載入模型，相同結果。2 centernet的pth模型轉為pt模型，android中通過pytorch.module載入失敗。3 andro...