我使用 Caffe-Jacinto 稀疏训练 MobileNet 来检测行人。 我在计算机上进行了高精度测试。但是当我使用 tidl 导入工具将 MobileNet 转换为 bin 文件时、如下所示：
#默认值- 0
randParams = 0
# 0：Caffe、1：TensorFlow、默认值- 0
modelType = 0
# 0：按 tarininng Framework 进行固定量化、1：按 TIDL 进行动态量化、默认值- 1.
量化样式= 1.
将在舍入为整数时添加# quantRoundadd/100，默认值为-50
quantRoundAdd = 50
numParamBits = 12
0：8位无符号数，1：8位有符号数缺省值-1
InElementType = 1.
inputNetFile ="./MobileNetSSD_deploy.prototxt"
inputParamsFile ="./mobilenet_iter_12000.caffemodel"
outputNetFile ="./MobileNet_288x512net.bin"
outputParamsFile ="./MobileNet_288x512_params.bin"
rawSampleInData = 1.
SampleInData ="./000100_1024x512_BGR.y"
tidlStatsTool ="./eve_test_dl_算法_参考输出"
分层组 ID = 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 1 2 1 2 1 2 1 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 0
#conv2dKernelType =0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 1 0 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
然后使用:tidl_model_import.out config_mobile.txt：
=================================================== TIDL 导入-解析================================================
Caffe 网络文件：./MobileNetSSD_deploy.prototxt
Caffe Model File (咖啡因模型文件)：./mobilenet_iter_12000.caffemodel
TIDL 网络文件：./mobilenet_288x512net.bin
TIDL 模型文件：./mobilenet_288x512_params.bin
数字输入：1.
卷积层出错：找不到卷积11_mbox_conf 的参数！
为层 conv11_mbox_conf 设置 RAND 内核参数
为层 conv11_mbox_conf 设置 RAND 偏置参数
卷积层出错：找不到卷积13_mbox_conf 的参数！
为层 conv13_mbox_conf 设置 RAND 内核参数
为层 conv13_mbox_conf 设置 RAND 偏置参数
卷积层出错：找不到卷积14_2_mbox_conf 的参数！
为层 conv14_2_mbox_conf 设置 RAND 内核参数
为层 conv14_2_mbox_conf 设置 RAND 偏置参数
卷积层出错：找不到卷积15_2_mbox_conf 的参数！
为层 conv15_2_mbox_conf 设置 RAND 内核参数
为层 conv15_2_mbox_conf 设置 RAND 偏置参数
卷积层出错：找不到卷积16_2_mbox_conf 的参数！
为层 conv16_2_mbox_conf 设置 RAND 内核参数
为层 conv16_2_mbox_conf 设置 RAND 偏置参数
卷积层出错：找不到卷积17_2_mbox_conf 的参数！
为层 conv17_2_mbox_conf 设置 RAND 内核参数
为层转换17_2_mbox_conf 设置 RAND 偏置参数
DetectionOutput 图层出错：找不到 detection_out 的参数！
检测到的层数：70
0、TIDL_DataLayer、数据0、-1、1、 x、x、x、x、x、 x、x、x、0、0、 0、0、0、1、3、 288、512、0、
1、TIDL_ConvolutionLayer、conv0 1、1、1、 0、x、x、x、x、 x、x、x、1、1、 3、288、512、1、32、 144、256、31850496、
2、TIDL_ConvolutionLayer、CONV1/dw 1、1、1、 1、x、x、x、x、 x、x、x、2、1、 32、144、256、1、32、 144、256、10616832、
3、TIDL_ConvolutionLayer、CONV1 1、1、1、 2、x、x、x、x、 x、x、x、3、1、 32、144、256、1、64、 144、256、75497472、
4、TIDL_ConvolutionLayer、conv2/dw 1、1、1、 3、x、x、x、x、 x、x、x、4、1、 64、144、256、1、64、 72、128、5308416、
5、TIDL_ConvolutionLayer、conv2 1、1、1、 4、x、x、x、x、 x、x、x、5、1、 64、72、128、1、128、 72、128、75497472、
6、TIDL_ConvolutionLayer、conv3/dw 1、1、1、 5、x、x、x、x、 x、x、x、6、1、 128、72、128、1、128、 72、128、10616832、
7、TIDL_ConvolutionLayer、conv3 1、1、1、 6、x、x、x、x、 x、x、x、7、1、 128、72、128、1、128、 72、128、150994944、
8、TIDL_ConvolutionLayer、conv4/dw 1、1、1、 7、x、x、x、x、 x、x、x、8、1、 128、72、128、1、128、 36、64、2654208、
9、TIDL_ConvolutionLayer、conv4 1、1、1、 8、x、x、x、x、 x、x、x、9、1、 128、36、64、1、256、 36、64、75497472、
10、TIDL_ConvolutionLayer、conv5/dw 1、1、1、 9、x、x、x、x、 x、x、x、10、1、 256、36、64、1、256、 36、64、5308416、
11、TIDL_ConvolutionLayer、conv5 1、1、1、 10、x、x、x、x、 x、x、x、11、1、 256、36、64、1、256、 36、64、150994944、
12、TIDL_ConvolutionLayer、conv6/dw 1、1、1、 11、x、x、x、x、 x、x、x、12、1、 256、36、64、1、256、 18、32、1327104、
13、TIDL_ConvolutionLayer、conv6 1、1、1、 12、x、x、x、x、 x、x、x、13、1、 256、18、32、1、512、 18、32、75497472、
14、TIDL_ConvolutionLayer、conv7/dw 1、1、1、 13、x、x、x、x、 x、x、x、14、1、 512、18、32、1、512、 18、32、2654208、
15、TIDL_ConvolutionLayer、conv7 1、1、1、 14、x、x、x、x、 x、x、x、15、1、 512、18、32、1、512、 18、32、150994944、
16、TIDL_ConvolutionLayer、conv8/dw 1、1、1、 15、x、x、x、x、 x、x、x、16、1、 512、18、32、1、512、 18、32、2654208、
17、TIDL_ConvolutionLayer、conv8 1、1、1、 16、x、x、x、x、 x、x、x、17、1、 512、18、32、1、512、 18、32、150994944、
18、TIDL_ConvolutionLayer、conv9/dw 1、1、1、 17、x、x、x、x、 x、x、x、18、1、 512、18、32、1、512、 18、32、2654208、
19、TIDL_ConvolutionLayer、conv9 1、1、1、 18、x、x、x、x、 x、x、x、19、1、 512、18、32、1、512、 18、32、150994944、
20、TIDL_ConvolutionLayer、conv10/dw 1、1、1、 19、x、x、x、x、 x、x、x、20、1、 512、18、32、1、512、 18、32、2654208、
21、TIDL_ConvolutionLayer、conv10 1、1、1、 20、x、x、x、x、 x、x、x、21、1、 512、18、32、1、512、 18、32、150994944、
22、TIDL_ConvolutionLayer、conv11/dw 1、1、1、 21、x、x、x、x、 x、x、x、22、1、 512、18、32、1、512、 18、32、2654208、
23、TIDL_ConvolutionLayer、conv11 1、1、1、 22、x、x、x、x、 x、x、x、23、1、 512、18、32、1、512、 18、32、150994944、
24、TIDL_ConvolutionLayer、conv12/dw 1、1、1、 23、x、x、x、x、 x、x、x、24、1、 512、18、32、1、512、 9、16、663552、
25、TIDL_ConvolutionLayer、conv12 1、1、1、 24、x、x、x、x、 x、x、x、25、1、 512、9、16、1、1024、 9、16、75497472、
26、TIDL_ConvolutionLayer、conv13/dw 1、1、1、 25、x、x、x、x、 x、x、x、26、1、 1024、9、16、1、1024、 9、16、1327104、
27、TIDL_ConvolutionLayer、conv13 1、1、1、 26、x、x、x、x、 x、x、x、27、1、 1024、9、16、1、1024、 9、16、150994944、
28、TIDL_ConvolutionLayer、conv14_1、1、1、 27、x、x、x、x、 x、x、x、28、1、 1024、9、16、1、256、 9、16、37748736、
29、TIDL_ConvolutionLayer、conv14_2、1、1、1、 28、x、x、x、x、 x、x、x、29、1、 256、9、16、1、512、 5、8、47185920、
30、TIDL_ConvolutionLayer、conv15_1 2、1、1、 29、x、x、x、x、 x、x、x、30、1、 512、5、8、1、128、 5、8、2621440、
31、TIDL_ConvolutionLayer、conv15_2、1、1、1、 30、x、x、x、x、 x、x、x、31、1、 128、5、8、1、256、 3、4、3538944、
32、TIDL_ConvolutionLayer、conv16_1 2、1、1、 31、x、x、x、x、 x、x、x、32、1、 256、3、4、1、128、 3、4、393216、
33、TIDL_ConvolutionLayer、conv16_2、1、1、 32、x、x、x、x、 x、x、x、33、1、 128、3、4、1、256、 2、2、1179648、
34、TIDL_ConvolutionLayer、conv17_1 2、1、1、 33、x、x、x、x、 x、x、x、34、1、 256、2、2、1、64、 2、2、65536、
35、TIDL_ConvolutionLayer、conv17_2、1、1、 34、x、x、x、x、 x、x、x、35、1、 64、2、2、1、128、 1、1、73728、
36、TIDL_ConvolutionLayer、conv11_mbox_loc 1、1、1、 23、x、x、x、x、 x、x、x、36、1、 512、18、32、1、12、 18、32、3538944、
37、TIDL_FlattenLayer、conv11_mbox_loc_perm 2、1、1、 36、x、x、x、x、 x、x、x、37、1、 12、18、32、1、1、 1、6912、1、
38、TIDL_ConvolutionLayer、conv11_mbox_conf 1、1、1、 23、x、x、x、x、 x、x、x、38、1、 512、18、32、1、6、 18、32、1769472、
39、TIDL_FlattenLayer、conv11_mbox_conf_perm 2、1、1、 38、x、x、x、x、 x、x、x、39、1、 6、18、32、1、1、 1、3456、1、
41、TIDL_ConvolutionLayer、conv13_mbox_loc 1、1、1、 27、x、x、x、x、 x、x、x、41、1、 1024、9、16、1、24、 9、16、3538944、
42、TIDL_FlattenLayer、conv13_mbox_loc_perm 2、1、1、 41、x、x、x、x、 x、x、x、42、1、 24、9、16、1、1、 1、3456、1、
43、TIDL_ConvolutionLayer、conv13_mbox_conf 1、1、1、 27、x、x、x、x、 x、x、x、43、1、 1024、9、16、1、12、 9、16、1769472、
44、TIDL_FlattenLayer、conv13_mbox_conf_perm 2、1、1、 43、x、x、x、x、 x、x、x、44、1、 12、9、16、1、1、 1、1728、1、
46、TIDL_ConvolutionLayer、conv14_2_mbox_loc 2、1、1、 29、x、x、x、x、 x、x、x、46、1、 512、5、8、1、24、 5、8、491520、
47、TIDL_FlattenLayer、conv14_2_mbox_loc_perm 2、1、1、 46、x、x、x、x、 x、x、x、47、1、 24、5、8、1、1、 1、960、1、
48、TIDL_ConvolutionLayer、conv14_2_mbox_conf 2、1、1、 29、x、x、x、x、 x、x、x、48、1、 512、5、8、1、12、 5、8、245760、
49、TIDL_FlattenLayer、conv14_2_mbox_conf_perm 2、1、1、 48、x、x、x、x、 x、x、x、49、1、 12、5、8、1、1、 1、480、1、
51、TIDL_ConvolutionLayer、conv15_2_mbox_loc 2、1、1、 31、x、x、x、x、 x、x、x、51、1、 256、3、4、1、24、 3、4、73728、
52、TIDL_FlattenLayer、conv15_2_mbox_loc_perm 2、1、1、 51、x、x、x、x、 x、x、x、52、1、 24、3、4、1、1、 1、288、1、
53、TIDL_ConvolutionLayer、conv15_2_mbox_conf 2、1、1、 31、x、x、x、x、 x、x、x、53、1、 256、3、4、1、12、 3、4、36864、
54、TIDL_FlattenLayer、conv15_2_mbox_conf_perm 2、1、1、 53、x、x、x、x、 x、x、x、54、1、 12、3、4、1、1、 1、144、1、
56、TIDL_ConvolutionLayer、conv16_2_mbox_loc 2、1、1、 33、x、x、x、x、 x、x、x、56、1、 256、2、2、1、24、 2、2、24576、
57、TIDL_FlattenLayer、conv16_2_mbox_loc_perm 2、1、1、 56、x、x、x、x、 x、x、x、57、1、 24、2、2、1、1、 1、96、1、
58、TIDL_ConvolutionLayer、conv16_2_mbox_conf 2、1、1、 33、x、x、x、x、 x、x、x、58、1、 256、2、2、1、12、 2、2、12288、
59、TIDL_FlattenLayer、conv16_2_mbox_conf_perm 2、1、1、 58、x、x、x、x、 x、x、x、59、1、 12、2、2、1、1、 1、48、1、
61、TIDL_ConvolutionLayer、conv17_2_mbox_loc 2、1、1、 35、x、x、x、x、 x、x、x、61、1、 128、1、1、1、24、 1、1、3072、
62、TIDL_FlattenLayer、conv17_2_mbox_loc_perm 2、1、1、 61、x、x、x、x、 x、x、x、62、1、 24、1、1、1、1、 1、24、1、
63、TIDL_ConvolutionLayer、conv17_2_mbox_conf 2、1、1、 35、x、x、x、x、 x、x、x、63、1、 128、1、1、1、12、 1、1、1536、
64、TIDL_FlattenLayer、conv17_2_mbox_conf_perm 2、1、1、 63、x、x、x、x、 x、x、x、64、1、 12、1、1、1、1、 1、12、1、
66、TIDL_ConcatLayer、mbox_loc 2、6、1、 37、42、47、52、57、 62、x、x、66、1、 1、1、6912、1、1、 1、11736、1、
67、TIDL_ConcatLayer、mbox_conf 2、6、1、 39、44、49、54、59、 64、x、x、67、1、 1、1、3456、1、1、 1、5868、1、
69、TIDL_DetectionOutputLayer、detection_out 2、2、1、 66、67、x、x、x、 x、x、x、69、1、 1、1、11736、1、1、 1、5600、1、
千兆马卡：1.7727
=================================================== TIDL 导入-校准=================================================
正在处理配置文件/tempDir/qunat_stats_config.txt！
运行 TIDL 仿真进行校准。
0、TIDL_DataLayer、0、-1、1、 x、x、x、x、x、 x、x、x、0、0、 0、0、0、1、3、 288、512、
1、TIDL_ConvolutionLayer、1、1、1、 0、x、x、x、x、 x、x、x、1、1、 3、288、512、1、32、 144、256、
2、TIDL_ConvolutionLayer、1、1、1、 1、x、x、x、x、 x、x、x、2、1、 32、144、256、1、32、 144、256、
3、TIDL_ConvolutionLayer、1、1、1、 2、x、x、x、x、 x、x、x、3、1、 32、144、256、1、64、 144、256、
4、TIDL_ConvolutionLayer、1、1、1、 3、x、x、x、x、 x、x、x、4、1、 64、144、256、1、64、 72、128、
5、TIDL_ConvolutionLayer、1、1、1、 4、x、x、x、x、 x、x、x、5、1、 64、72、128、1、128、 72、128、
6、TIDL_ConvolutionLayer、1、1、1、 5、x、x、x、x、 x、x、x、6、1、 128、72、128、1、128、 72、128、
7、TIDL_ConvolutionLayer、1、1、1、 6、x、x、x、x、 x、x、x、7、1、 128、72、128、1、128、 72、128、
8、TIDL_ConvolutionLayer、1、1、1、 7、x、x、x、x、 x、x、x、8、1、 128、72、128、1、128、 36、64、
9、TIDL_ConvolutionLayer、1、1、1、 8、x、x、x、x、 x、x、x、9、1、 128、36、64、1、256、 36、64、
10、TIDL_ConvolutionLayer、1、1、1、 9、x、x、x、x、 x、x、x、10、1、 256、36、64、1、256、 36、64、
11、TIDL_ConvolutionLayer、1、1、1、 10、x、x、x、x、 x、x、x、11、1、 256、36、64、1、256、 36、64、
12、TIDL_ConvolutionLayer、1、1、1、 11、x、x、x、x、 x、x、x、12、1、 256、36、64、1、256、 18、32、
13、TIDL_ConvolutionLayer、1、1、1、 12、x、x、x、x、 x、x、x、13、1、 256、18、32、1、512、 18、32、
14、TIDL_ConvolutionLayer、1、1、1、 13、x、x、x、x、 x、x、x、14、1、 512、18、32、1、512、 18、32、
15、TIDL_ConvolutionLayer、1、1、1、 14、x、x、x、x、 x、x、x、15、1、 512、18、32、1、512、 18、32、
16、TIDL_ConvolutionLayer、1、1、1、 15、x、x、x、x、 x、x、x、16、1、 512、18、32、1、512、 18、32、
17、TIDL_ConvolutionLayer、1、1、1、 16、x、x、x、x、 x、x、x、17、1、 512、18、32、1、512、 18、32、
18、TIDL_ConvolutionLayer、1、1、1、 17、x、x、x、x、 x、x、x、18、1、 512、18、32、1、512、 18、32、
19、TIDL_ConvolutionLayer、1、1、1、 18、x、x、x、x、 x、x、x、19、1、 512、18、32、1、512、 18、32、
20、TIDL_ConvolutionLayer、1、1、1、 19、x、x、x、x、 x、x、x、20、1、 512、18、32、1、512、 18、32、
21、TIDL_ConvolutionLayer、1、1、1、 20、x、x、x、x、 x、x、x、21、1、 512、18、32、1、512、 18、32、
22、TIDL_ConvolutionLayer、1、1、1、 21、x、x、x、x、 x、x、x、22、1、 512、18、32、1、512、 18、32、
23、TIDL_ConvolutionLayer、1、1、1、 22、x、x、x、x、 x、x、x、23、1、 512、18、32、1、512、 18、32、
24，TIDL_ConvolutionLayer，1，1，1， 23、x、x、x、x、 x、x、x、24、1、 512、18、32、1、512、 9、16、
25、TIDL_ConvolutionLayer、1、1、1、 24、x、x、x、x、 x、x、x、25、1、 512、9、16、1、1024、 9、16、
26、TIDL_ConvolutionLayer、1、1、1、 25、x、x、x、x、 x、x、x、26、1、 1024、9、16、1、1024、 9、16、
27、TIDL_ConvolutionLayer、1、1、1、 26、x、x、x、x、 x、x、x、27、1、 1024、9、16、1、1024、 9、16、
28、TIDL_ConvolutionLayer、1、1、1、 27、x、x、x、x、 x、x、x、28、1、 1024、9、16、1、256、 9、16、
29，TIDL_ConvolutionLayer，1，1，1， 28、x、x、x、x、 x、x、x、29、1、 256、9、16、1、512、 5、8、
30、TIDL_ConvolutionLayer、1、1、1、 29、x、x、x、x、 x、x、x、30、1、 512、5、8、1、128、 5、8、
31、TIDL_ConvolutionLayer、1、1、1、 30、x、x、x、x、 x、x、x、31、1、 128、5、8、1、256、 3、4、
32、TIDL_ConvolutionLayer、1、1、1、 31、x、x、x、x、 x、x、x、32、1、 256、3、4、1、128、 3、4、
33、TIDL_ConvolutionLayer、1、1、1、 32、x、x、x、x、 x、x、x、33、1、 128、3、4、1、256、 2、2、
34，TIDL_ConvolutionLayer，1，1，1， 33、x、x、x、x、 x、x、x、34、1、 256、2、2、1、64、 2、2、
35、TIDL_ConvolutionLayer、1、1、 34、x、x、x、x、 x、x、x、35、1、 64、2、2、1、128、 1、1、
36，TIDL_ConvolutionLayer，1，1，1， 23、x、x、x、x、 x、x、x、36、1、 512、18、32、1、12、 18、32、
37、TIDL_FlattenLayer、1、1、 36、x、x、x、x、 x、x、x、37、1、 12、18、32、1、1、 1、6912、
38、TIDL_ConvolutionLayer、1、1、1、 23、x、x、x、x、 x、x、x、38、1、 512、18、32、1、6、 18、32、
39、TIDL_FlattenLayer、1、1、 38、x、x、x、x、 x、x、x、39、1、 6、18、32、1、1、 1、3456、
40、TIDL_ConvolutionLayer、1、1、1、 27、x、x、x、x、 x、x、x、41、1、 1024、9、16、1、24、 9、16、
41、TIDL_FlattenLayer、1、1、 41、x、x、x、x、 x、x、x、42、1、 24、9、16、1、1、 1、3456、
42、TIDL_ConvolutionLayer、1、1、1、 27、x、x、x、x、 x、x、x、43、1、 1024、9、16、1、12、 9、16、
43、TIDL_FlattenLayer、1、1、 43、x、x、x、x、 x、x、x、44、1、 12、9、16、1、1、 1、1728、
44、TIDL_ConvolutionLayer、1、1、1、 29、x、x、x、x、 x、x、x、46、1、 512、5、8、1、24、 5、8、
45、TIDL_FlattenLayer、1、1、1、 46、x、x、x、x、 x、x、x、47、1、 24、5、8、1、1、 1、960、
46，TIDL_ConvolutionLayer，1，1，1， 29、x、x、x、x、 x、x、x、48、1、 512、5、8、1、12、 5、8、
47，TIDL_FlattenLayer，1，1，1， 48、x、x、x、x、 x、x、x、49、1、 12、5、8、1、1、 1、480、
48、TIDL_ConvolutionLayer、1、1、1、 31、x、x、x、x、 x、x、x、51、1、 256、3、4、1、24、 3、4、
49、TIDL_FlattenLayer、1、1、 51、x、x、x、x、 x、x、x、52、1、 24、3、4、1、1、 1、288、
50、TIDL_ConvolutionLayer、1、1、 31、x、x、x、x、 x、x、x、53、1、 256、3、4、1、12、 3、4、
51、TIDL_FlattenLayer、1、1、 53、x、x、x、x、 x、x、x、54、1、 12、3、4、1、1、 1、144、
52，TIDL_ConvolutionLayer，1，1，1， 33、x、x、x、x、 x、x、x、56、1、 256、2、2、1、24、 2、2、
53、TIDL_FlattenLayer、1、1、 56、x、x、x、x、 x、x、x、57、1、 24、2、2、1、1、 1、96、
54，TIDL_ConvolutionLayer，1，1，1， 33、x、x、x、x、 x、x、x、58、1、 256、2、2、1、12、 2、2、
55，TIDL_FlattenLayer，1，1，1， 58、x、x、x、x、 x、x、x、59、1、 12、2、2、1、1、 1、48、
56，TIDL_ConvolutionLayer，1，1，1， 35、x、x、x、x、 x、x、x、61、1、 128、1、1、1、24、 1、1、
57、TIDL_FlattenLayer、1、1、 61、x、x、x、x、 x、x、x、62、1、 24、1、1、1、1、 1、24、
58，TIDL_ConvolutionLayer，1，1，1， 35、x、x、x、x、 x、x、x、63、1、 128、1、1、1、12、 1、1、
59、TIDL_FlattenLayer、1、1、 63、x、x、x、x、 x、x、x、64、1、 12、1、1、1、1、 1、12、
60、TIDL_ConcatLayer、1、6、1、 37、42、47、52、57、 62、x、x、66、1、 1、1、6912、1、1、 1、11736、
61、TIDL_ConcatLayer、1、6、1、 39、44、49、54、59、 64、x、x、67、1、 1、1、3456、1、1、 1、5868、
62，TIDL_DetectionOutputLayer，1，2，1， 66、67、x、x、x、 x、x、x、69、1、 1、1、11736、1、1、1、 5600、
63、TIDL_DataLayer、0、1、-1、 69、x、x、x、x、 x、x、x、0、1、 1、1、5600、0、0、 0、0、
层 ID、inBlkWidth、inBlkHeight、inBlkPitch、outBlkWidth、outBlkHeight、outBlkPitch、numInChs、numOutChs、numLclInChs、numLclOutChs、numProcItrs、numHorBlock numVerinChc、NpitInCht、numBlinSpitch
1 72 52 72 32 24 32 3 32 3 3 1 8 3 6 3744 768 1
2 40 26 40 32 24 32 1 1 1 1 1 1 1 8 6 1040 768 1
3 32 24 32 24 32 32 32 64 32 8 8 1 4 8 6 768 1
4 72 52 72 32 24 32 1 1 1 1 1 1 1 1 4 3 3744 768 1
5 32 24 32 24 32 32 64 128 64 8 8 1 8 4 3 768 1
6 40 26 40 32 24 32 1 1 1 1 1 1 1 4 3 1040 768 1
7 32 24 32 32 24 32 128 128 128 8 8 1 16 4 3 768 1
8 72 40 72 32 18 32 1 1 1 1 1 1 1 1 2 2 2880 576 1
9 32 18 32 32 18 32 128 256 128 8 8 1 16 2 576 1
10 40 20 40 32 18 32 1 1 1 1 1 1 1 1 2 2 800 576 1
11 32 18 32 32 18 32 256 256 256 8 8 1 32 2 576 1
12 72 40 72 32 18 32 1 1 1 1 1 1 1 1 1 1 2880 576 1
13 32 18 32 32 18 32 256 512 256 8 8 1 32 1 576 1
14 40 20 40 32 18 32 1 1 1 1 1 1 1 1 1 1 800 576 1
15 32 18 32 32 18 32 512 512 8 8 1 64 1 576 1
16 40 20 40 32 18 32 1 1 1 1 1 1 1 1 1 1 800 576 1
17 32 18 32 32 18 32 512 512 8 8 1 64 1 576 1
18 40 20 40 32 18 32 1 1 1 1 1 1 1 1 1 1 800 576 1
19 32 18 32 32 18 32 512 512 8 8 1 64 1 576 1
20 40 20 40 32 18 32 1 1 1 1 1 1 1 1 1 1 800 576 1
21 32 18 32 32 18 32 512 512 8 8 1 64 1 576 1
22 40 20 40 32 18 32 1 1 1 1 1 1 1 1 1 1 800 576 1
23 32 18 32 32 18 32 512 512 8 8 1 64 1 576 1
24 40 22 40 16 9 16 1 1 1 1 1 1 1 1 1 1 880 144 1
25 16 9 16 9 16 16 512 1024 512 8 8 1 64 1 144 144 1
26 24 11 24 16 9 16 1 1 1 1 1 1 1 1 1 1 264 144 1
27 16 9 16 9 16 9 16 1024 1024 1024 8 8 1 128 1 144 144 1
28 16 9 16 9 16 16 1024 256 1024 8 8 1 128 1 144 144 1
29 40 14 40 16 5 16 256 512 256 8 8 1 32 1 560 80 1
30 16 5 16 5 16 512 128 512 8 8 1 64 1 80 1
31 40 10 40 16 3 16 128 256 128 8 8 1 16 1 400 48 1
32 16 3 16 3 16 3 16 256 128 256 8 8 1 32 1 48 1
33 40 8 40 16 2 16 128 256 128 8 8 1 16 1 320 32 1
34 16 2 16 2 16 256 64 256 8 8 1 32 1 32 1 32 1
35 40 6 40 16 1 16 64 128 64 8 8 1 8 1 240 16 1
36 32 18 32 32 18 32 512 16 512 8 8 1 64 1 576 1
38 32 18 32 32 18 32 512 6 512 8 6 1 64 1 576 1
40 16 9 16 9 16 9 16 1024 24 1024 8 8 1 128 1 144 144 1
42 16 9 16 9 16 1024 16 1024 16 1024 8 8 1 128 1 144 144 1
44 16 5 16 5 16 512 24 512 8 8 1 64 1 80 1
46 16 5 16 5 16 512 16 512 8 8 1 64 1 80 1
48 16 3 16 3 16 16 256 24 256 8 8 1 32 1 48 1
50 16 3 16 3 16 256 16 16 16 8 8 1 32 1 48 1
52 16 2 16 2 16 256 24 256 8 8 1 32 1 32 1
54 16 2 16 2 16 256 16 16 256 8 8 1 32 1 32 1
56 16 1 16 1 16 128 24 128 8 1 16 1 16 16 1
58 16 1 16 1 16 128 16 128 8 8 1 16 1 16 16 1
正在处理帧编号：0
第1层：输出 Q：23，TIDL_ConvolutionLayer，通过#MMACS = 31.85，23.30，稀疏度：26.85
第2层：Out Q：9，TIDL_ConvolutionLayer，通过#MMACS = 10.62，10.62，稀疏度：0.00
第3层：Out Q：3，TIDL_ConvolutionLayer，通过#MMACs = 75.50，63.26，稀疏度：16.21
第4层：输出 Q：6，TIDL_ConvolutionLayer，通过#MMACS = 5.31，5.31，稀疏度：0.00
第5层：Out Q：2，TIDL_ConvolutionLayer，通过#MMACS = 75.50，73.14，sparsity：3.12
第6层：输出 Q：9，TIDL_ConvolutionLayer，通过#MMACS = 10.62，10.62，稀疏度：0.00
第7层：输出 Q：17，TIDL_ConvolutionLayer，通过#MMACS = 150.99，149.82，稀疏度：0.78
第8层：输出 Q：31，TIDL_ConvolutionLayer，通过#MMACS = 2.65，2.65，稀疏度：0.00
第9层：输出 Q：34，TIDL_ConvolutionLayer，通过#MMACS = 75.50，75.50，稀疏度：0.00
第10层：输出 Q：22，TIDL_ConvolutionLayer，通过#MMACS = 5.31，5.31，稀疏度：0.00
第11层：输出 Q：58，TIDL_ConvolutionLayer，通过#MMACS = 150.99，149.82，稀疏度：0.78
第12层：输出 Q：51，TIDL_ConvolutionLayer，通过#MMACS = 1.33，1.33，稀疏度：0.00
第13层：输出 Q：95，TIDL_ConvolutionLayer，通过#MMACS = 75.50，75.50，稀疏度：0.00
第14层：输出 Q：80，TIDL_ConvolutionLayer，通过#MMACS = 2.65，2.65，稀疏度：0.00
第15层：输出 Q：121，TIDL_ConvolutionLayer，通过#MMACS = 150.99，150.70，稀疏度：0.20
第16层：输出 Q：107，TIDL_ConvolutionLayer，通过#MMACS = 2.65，2.65，稀疏度：0.00
第17层：输出 Q：131，TIDL_ConvolutionLayer，通过#MMACS = 150.99，150.99，稀疏度：0.00
第18层：输出 Q：227，TIDL_ConvolutionLayer，通过#MMACS = 2.65，2.65，稀疏度：0.00
第19层：输出 Q：275，TIDL_ConvolutionLayer，通过#MMACS = 150.99，150.70，稀疏度：0.20
第20层：输出 Q：449，TIDL_ConvolutionLayer，通过#MMACS = 2.65，2.65，稀疏度：0.00
第21层：输出 Q：755，TIDL_ConvolutionLayer，通过#MMACS = 150.99，150.99，稀疏度：0.00
第22层：输出 Q：498，TIDL_ConvolutionLayer，通过#MMACS = 2.65，2.65，稀疏度：0.00
第23层：输出 Q：778，TIDL_ConvolutionLayer，通过#MMACS = 150.99，150.61，稀疏度：0.26
第24层：输出 Q：233，TIDL_ConvolutionLayer，通过#MMACS = 0.66，0.66，稀疏度：0.00
第25层：输出 Q：791，TIDL_ConvolutionLayer，通过#MMACS = 75.50，75.06，稀疏度：0.59
第26层：输出 Q：346，TIDL_ConvolutionLayer，通过#MMACS = 1.33，1.33，稀疏度：0.00
第27层：输出 Q：221，TIDL_ConvolutionLayer，通过#MMACS = 150.99，150.99，稀疏度：0.00
第28层：输出 Q：276，TIDL_ConvolutionLayer，通过#MMACS = 37.75，36.42，稀疏度：3.52
第29层：输出 Q：139，TIDL_ConvolutionLayer，通过#MMACS = 47.19，44.60，稀疏度：5.49
第30层：输出 Q：127，TIDL_ConvolutionLayer，通过#MMACS = 2.62，2.62，稀疏度：0.00
第31层：输出 Q：42，TIDL_ConvolutionLayer，通过#MMACS = 3.54，3.54，稀疏度：0.00
第32层：输出 Q：93，TIDL_ConvolutionLayer，通过#MMACS = 0.39，0.39，稀疏度：0.78
第33层：输出 Q：72，TIDL_ConvolutionLayer，通过#MMACs = 1.18，1.12，稀疏度：4.88
第34层：输出 Q：66，TIDL_ConvolutionLayer，通过#MMACS = 0.07，0.07，稀疏度：0.00
第35层：输出 Q：59，TIDL_ConvolutionLayer，通过#MMACS = 0.07，0.03，稀疏度：55.56
第36层：输出 Q：193，TIDL_ConvolutionLayer，通过#MMACS = 4.72，4.72，稀疏度：0.00
第37层:TIDL_FlattenLayer，通过#MMACS = 0.01，0.01，稀疏度：0.00
第38层：输出 Q：74，TIDL_ConvolutionLayer，通过#MMACS = 1.77，1.77，稀疏度：0.00
第39层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第40层：输出 Q：304，TIDL_ConvolutionLayer，通过#MMACS = 3.54，3.54，稀疏度：0.00
第41层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第42层：输出 Q：16，TIDL_ConvolutionLayer，通过#MMACS = 2.36，2.36，稀疏度：0.00
第43层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第44层：输出 Q：66，TIDL_ConvolutionLayer，通过#MMACS = 0.49，0.49，稀疏度：0.00
第45层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第46层：Out Q：5，TIDL_ConvolutionLayer，通过#MMACS = 0.33，0.33，稀疏度：0.00
第47层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第48层：输出 Q：61，TIDL_ConvolutionLayer，通过#MMACS = 0.07，0.07，稀疏度：0.00
第49层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第50层：Out Q：2，TIDL_ConvolutionLayer，通过#MMACS = 0.05，0.05，稀疏度：0.00
第51层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第52层：输出 Q：82，TIDL_ConvolutionLayer，通过#MMACS = 0.02，稀疏度：0.00
第53层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第54层：Out Q：2，TIDL_ConvolutionLayer，通过#MMACS = 0.02，稀疏度：0.00
第55层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第56层：输出 Q：139，TIDL_ConvolutionLayer，通过#MMACS = 0.00，稀疏度：0.00
第57层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第58层：Out Q：4，TIDL_ConvolutionLayer，通过#MMACS = 0.00，稀疏度：0.00
第59层:TIDL_FlattenLayer，通过#MMACS = 0.00，0.00，稀疏度：0.00
第60层：Out Q：60，TIDL_ConcatLayer，通过#MMACS = 0.00，稀疏度：-nan
第61层：Out Q：1，TIDL_ConcatLayer，通过#MMACS = 0.00，稀疏度：-nan
第62层：#MMACS = 0.01，0.01，稀疏度：0.00
找到配置列表的末尾！
没有错误。 并在 am5749上运行 ssd_multibox 示例、并替换此配置文件中的 net 和 params bin 文件。例如、
结果不好，照片中的波克斯很乱。例如
请给我一些建议。
