[参考译文] TDA4VM：有关充分提高校准精度的指南。

尊敬的 Akshat：

您能否共享您的模型和正在使用的完整导入配置？  

当我使用 50 张图像后按 10

为了确保我理解、您是否使用 50 个图像进行校准、然后在 10 个图像上运行推理？ 此外、您用于推理的图像是在用于校准的图像中找到的、还是完全不同的图像？

此外、您使用的是哪个版本的 TIDL/SDK？

其他一些因素包括：如果您的模型是从 0-1 进行训练的、则使用 inQuantFactor、以及在 8 位中实施的某些层是否会导致精度损失。 有许多不同的因素,我只能在我能够运行你的模型,我的最后调查更好的评论。  

此致、

Christina

您好、

抱歉、我无法为您提供模型。

我在所有 3 次迭代（1000 张图像）中都保持了推断大小不变。 我只是运行 3 个不同的测试、其中有不同数量的校准图像 (10、50 和 100)、其余的一切都是相同的。

我使用的是 SDK 8.2。  

我还在这 3 项测试中进行了内部混合精度测试。 我基本上添加了模型的每一层、与 16 位相比、在理想情况下仍然损失了~10%。

这是我的导入文件：

modelType      = 2
numParamBits    = 8
numFeatureBits   = 8
分位数 Style = 3
校准选项= 7
inputNetFile     =“../../test/testvecs/pmsa/models/model.onnx
outputNetFile    =“../../test/testvecs/pmsa/import/output/8_bit_all_rgb_duplicates_removed_100_calib/8_bit_all_rgb_duplicates_removed_100_calib.bin
outputParamsFile =“../../test/testvecs/pmsa/import/output/8_bit_all_rgb_duplicates_removed_100_calib/8_bit_all_rgb_duplicates_removed_100_calib_paramfile
inDataNorm = 1
inMean = 118.065 120.615 124.185
磅秤= 0.024978 0.024357 0.023068
InWidth = 512
InHeight = 320
inNumChannels = 3
inDataFormat = 1
inFileFormat = 2
writeOutput = 2
outputFeature16bitNamesList =“模型的所有图层“
inData =  ../../test/testvecs/proj/input/lists/calib_list.txt
outDataNamesList =“hm、wh、reg“

尊敬的 Christina：

由于某些限制、我无法更改我的 SDK 版本。 是否可以在 8.2 SDK 上推断在较新的 SDK 版本中导入和校准的模型？   

如果没有、请告诉我是否有一条关于图像性质的指南、我们应该使用该指南进行校准。