[参考译文] SK-AM62A-LP：[edgeai-modelmaker]哪个 shell/python 脚本会生成 Outputs 文件夹？

感谢 Qutaiba、

我将相同的图像上传到 SK-AM62A-LP 并进行推理、我发现它们的性能不同。 在主机上仿真的已编译模型的推理结果明显优于 SK-AM62A-LP 产生的推理结果。

我的问题是：

根据我的理解、 如果性能不相同、则性能应该相似、因为两种场景都 在相同生成的工件上显示了推理结果。 唯一的区别应该是推理速度。  
但现在在主机上(在我的例子中为 rtx3080)比 SK-AM62A-LP 上的后者更好。 为什么？

推理性能是否与硬件限制有关？

尊敬的 YL：

是的、PC 上仿真的推理结果应与目标上的推理类似。 我建议检查模式的 POST 过程设置：

• PC 和目标上的模型配置中的 detection_threshold 是否相同？
• 检查 param.yaml 和 config.yaml 中的 label_offset。

此致、

Qutaiba

尊敬的 Quitaiba：  

感谢您的快速答复。

我已经比较了两个平台(主机 PC 和 SK-AM62A-LP)的检测阈值。 两个阈值都为0.1。 以下是证据。

上面的显示了主机 PC 中的 CONFIG.YAML。 后处理过程中的 detection_threshold 为0.1。

上面的显示了 object_detection.yaml. viz_threshold 为0.1。


有什么我错过了吗？ 尽管设置和配置非常相似(如果不相同)、但我仍然不明白主机 PC 和 SK-AM62A-LP 中的推理结果为何不同。

尊敬的 YL：

我建议遵循本文档中提供的、针对您所观察到的内容的调试步骤： https://github.com/TexasInstruments/edgeai-tidl-tools/blob/master/docs/tidl_osr_debug.md#steps-to-debug-error-scenarios-for-targetevmdevice-execution

本文档是 tidl-tools 的一部分、在模型编译和调试方面比模型制作器更全面。  

此致、

Qutaiba

尊敬的 Quitaiba：

那么、您是说、当涉及单独进行模型编译时、您建议使用 edgeai-tidl-tools 而不是 edgeai-benchmark？

此外、是否可以单独使用 edgeai-benchmark 编译模型、而无需经过 edgeai-modelmaker 流水线？ 我问这个问题、因为 edgeai-modelmaker 包含模型训练、这可能非常耗时。

此致、
马特