之后随笔将更多笔墨着重于NNIE开发系列，下文是关于Hi3559AV100 NNIE开发（3）RuyiStudio软件 .wk文件生成过程-mobilefacenet.cfg的参数配置，目前项目需要对mobilefacenet网络进行.wk的开发，通过RuyiStudio创建工程（关于软件RuyiStudio的安装与配置看后期是否有时间，有时间就会出一篇随笔供大家参考），在工程下配置mobilefacenet.cfg文件，加载训练好的mobilefacenet.caffemodel与mobilefacenet.prototxt并进行mobilefacenet.wk的生成，其中重要的一环为mobilefacenet.cfg参数的配置，下面随笔将给出具体操作，首先给出整体需要配置的参数表：

 1 [prototxt_file] 
 2 [caffemodel_file] 
 3 [batch_num] 
 4 [net_type] 
 5 [sparse_rate] 
 6 [compile_mode] 
 7 [is_simulation] 
 8 [log_level] 
 9 [instruction_name] 
10 [RGB_order] 
11 [data_scale] 
12 [internal_stride] 
13 [image_list] 
14 [image_type] 
15 [mean_file] 
16 [norm_type]

　　下面给出一一说明：

（1）prototxt_file

　　为网络描述文件，NNIE mapper 对 prototxt 的输入层格式、layer 格式、激活层、Scale、Bias 层、RNN、LSTM 层及特殊的中间层上报、高精度配置、指定支持层有 CPU 执行等特定的规范约束。这里我对中间层、高精度配置、CPU执行进行一个具体的叙述：

　　①中间层是指不在网络段结尾处的层。用户需要中间层结果输出时，需要对应层的“top”域中添加“_report”标识符进行标注。如果某一中间层有多个 top 都需要输出，用户可以为每一个 top 添加上报标注。
 1 layer {
 2  name: "conv5 "
 3  type: "Convolution"
 4  bottom: "conv4"
 5  top: "conv5_report"
 6  convolution_param {
 7  　　　　num_output: 256
 8  　　　　kernel_size: 3
 9  　　　　pad: 1
10  　　　　stride: 1
11  　　}
12 }
　　②用户指定自定义计算精度（compile_mode=2）时，在对应层的层名后加上高精度 “_hp”（16比特）标记，可实现指定任意层为高精度输入，格式如下所示。

 1 layer {
 2  name: "conv5_hp"
 3  type: "Convolution"
 4  bottom: "conv4"
 5  top: "conv5"
 6  convolution_param {
 7  　　　　num_output: 256
 8  　　　　kernel_size: 3
 9  　　　　pad: 1
10  　　　　stride: 1
11  　　}
12 }
　　③对于mapper支持层，可以通过在name字段增加_cpu标记来指定该层切换为cpu执行（包含CPU、DSP等非NNIE执行的，均使用_cpu标志），格式如下所示。
 1 layer {
 2  bottom: "rpn_cls_score"
 3  top: "rpn_cls_score_reshape"
 4  name: "rpn_cls_score_reshape_cpu"
 5  type: "Reshape"
 6  reshape_param { 
 7  　　shape { 
 8  　　　　dim: 0 
 9  　　　　dim: 2 
10  　　　　dim: -1 
11  　　　　dim: 0 
12  　　　　} 
13  　　}
14 }

（2）caffemodel_file：

　　网络模型数据文件。

（3）[batch_num]

　　0/1：single（单张）模式；
　　>1：batch（多张）模式。采用single模式mapper一个任务只能处理一张图片，内部存储全部为一张图片分配，减少数据调度次数。采用batch模式，在计算FC时batch_num张图片同时计算，计算资源利用率高。 （最大取值256）

（4） [net_type]：

　　网络的类型。

　　0：CNN（不包含LSTM/RNN/ROIPooling/PSROIPooling 的任意网络）；
　　1：ROI/PSROI（包含 ROI Pooling 和 PSROI Pooling的网络）；
　　2：Recurrent（包含 LSTM、RNN 的网络）；

（5） [sparse_rate] —>（取值0到1，默认0）

　　NNIE引擎采用了参数压缩技术以减少带宽占用，为了提高压缩率，可通对FC参数进稀疏处理。

　　用户通过sparse_rate数值指定多少比例的FC参数稀疏为0，例如配0.5，则FC参数有50%将被稀疏为0，由于数据变的稀疏，压缩模块会获得更好的压缩率。稀疏值越高，计算FC时所需参数带宽越低，但精度会有所下降。

（6） [compile_mode] 

　　0：Low-bandwidth(低带宽模式，默认)：通过量化算法使参数与数据位宽最少，使系统所需带宽达到最小，但会有精度损失；
　　1：High-precision(高精度模式): 结果精度最好，但是性能会下降；；
　　2：User-specify(用户配置模式): 需要用户在prototxt中标明所有使用高精度计算的层，标注规则请见prototxt_file说明；

（7） [is_simulation] 

　　网络模型转化类型。
　　0：Chip，芯片模式，网络模型转化成在芯片上加载的wk文件，指令仿真也使用此模式；
　　1：Simulation，仿真模式，网络模型转化成在PC端仿真上加载的wk文件，功能仿真使用此模式；

（8） [log_level] 

　　设置是否开启日志文件，以及配置打印的等级，本参数可省略，当省略时，为不打印日志文件。
　　0：打印main函数流程，cfg文件等信息；
　　1：打印nnie_mapper解析到的文件信息，包含image_list、prototxt、内存分配过程；
　　2：打印中间表示信息；
　　3：打印详细信息，有大量文件输出，转化耗时较长，请谨慎使用； 

（9） [instruction_name] 

　　nnie_mapper生成的知识库文件名称。默认生成如下格式的知识库名：inst.wk；用户也可以自行修改生成的知识库名字。 

（10） [RGB_order]   —>取值范围：{RGB,BGR}　　default:BGR

　　image_type设置为0时，该参数无效；
　　image_type设置为1时，不管该参数配置何值，要求用户板端输入必须为BGR_Planar格式图像；
　　image_type设置为3、5时，表示YUV图像数据转成RGB Planar或者BGR Planar图像输入给网络。
　　本参数可省略。

（11） [data_scale] 

　　数据预处理缩放比例，配置为浮点数，配合norm_type使用本参数可省略，默认为0.00390625=1/256。FLT_MAX等于3.402823466e+38。 

（12） [internal_stride]

　　用户根据DDR颗粒对应的最佳读写效率配置中间结果的对齐方式。要求：DDR3对应16，DDR4对应32，可不填，默认为16； 

（13） [image_list] 

　　NNIE mapper 用于数据量化的参考图像 list 文件或feature map 文件。该配置跟 image_type 相关。如果网络的数据输入是灰度或者 RGB 图像输入，即image_type 配置不为 0，image_list 配置为所参考图片的list，内容示意图如下图图示，图片的格式支持以下几种：

（14） [image_type] 

　　表示网络实际执行时输入给网络的数据类型，该配置跟 image list 相关。

　　0∶表示网络数据输入为 SVP BLOB_TYPE_S32（参考《HiSVP API参考》）或者向量的类型（VEC_S32和 SEQ S32）;此时要求 image list 配           置为 feature map 文件;
　　1∶ 表示网络数据输入为 SVP BLOB TYPE U8（普通的灰度图和 RGB 图）类型; 此时要求 image_list 配置是 RGB 图或者灰度图片的 list 文件;
　　3∶ 网络数据输入为 SVP_ BLOB_TYPE YUV420SP类型;
　　5∶ 网络数据输入为SVP_BLOB_TYPE YUV422SP类型;
　　当配置为3或者5时，image_list配置为 RGB图片的 list 文件。

（15） [mean_file] 

　　norm_type为1、4时，表示均值文件xxx.binaryproto；
　　norm_type为2、5时，表示通道均值文件；
　　norm_type为0、3时，用户也需要配置mean_file项，但具体内容可以是一个无效路径，比如null；通道均值文件mean.txt中每一行的浮点数表示             对应的通道均值，如单通道只有一个值。

（16）[norm_type] 

　　表示对网络数据输入的预处理方法。注意image_type配置为0时，norm_type只能配置为0；image_type配置为3或者5时，网络输入数据为YUV图像，但是NNIE硬件会根据RGB_order配置项自动转为RGB或者BGR图像，此时norm_type配置方法跟image_type为1时一致。

　　0：不做任何预处理；
　　1：mean file，减图像均值；
　　2：channel mean_value，减通道均值；
　　3：data_scale，对图像像素值乘以data_scale；
　　4：mean filewith data_scale，减图像均值后再乘以data_scale；
　　5：channel mean_value with data_scale，减通道均值后再乘以data_scale。 
（17） [is_check_prototxt] 
　　检查网络描述文件标志。
　　0：mapper模式，对prototxt、caffemodel等进行转化。
　　1：网络过滤器模式，对prototxt文件是否符合支持规格进行检查。 
 
　　给出目前我的mobilefacenet.cfg配置：
 1 [prototxt_file] ./mark_prototxt/mobilefacenet_mark_nnie_20210205133124.prototxt
 2 [caffemodel_file] ./data/mobilefacenet.prototxt.caffemodel
 3 [batch_num] 256
 4 [net_type] 0
 5 [sparse_rate] 0
 6 [compile_mode] 0
 7 [is_simulation] 1
 8 [log_level] 3
 9 [instruction_name] ./mobileface_func
10 [RGB_order] BGR
11 [data_scale] 0.0078125
12 [internal_stride] 16
13 [image_list] ./data/images/imageList.txt
14 [image_type] 1
15 [mean_file] ./data/pixel_mean.txt
16 [norm_type] 5

　　后面随笔将给出mobilefacenet网络的NNIE实现具体过程。

 
 
 
 
 
 
 
 
 
 
 
 
 

版权声明：本文为iFrank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://www.cnblogs.com/iFrank/p/14515089.html