• 状态 Resolved
  • 已锁定 已锁定
  • 回复 5 回复
  • 订户 0 订户
  • 视图 387 视图
  • 用户 0 会员在此处
选项
选项
相关

This thread has been locked.

If you have a related question, please click the "Ask a related question" button in the top right corner. The newly created question will be automatically linked to this question.

[参考译文] TDA2EXEVM：TDA2EXEVM

admin
Guru**** 2933120 points
请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。

https://e2e.ti.com/support/processors-group/processors/f/processors-forum/669404/tda2exevm-tda2exevm

器件型号：TDA2EXEVM

您好！

 导入 Caffe 实现的物体检测模型时，我遇到 tidlModelImport 问题？

错误: 不支持的层类型:整形!!!!

是否有任何解决方案？

我还提到了 GitHub repo Caffe-Jacinto-models、其中基于 SSD512x256的物体检测模型也具有整形层。 我假设整形层有解决方案吗？

此致、

Sagar  

  • 0
    TI__Guru**** 2933120 points
    请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
    您好 Sagar、
    TIDL 不支持 SSD 型号。 有关支持的层列表、请参阅 TIDL 数据表
    谢谢、此致
    Kumar.D
  • 0
    TI__Guru**** 2933120 points
    请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
    您好、Kumar、


    现在我了解到 Reshape 图层不受支持，3月底的发行版将支持该图层(在其他线程中可以找到此信息)。
    我执行了一些权变措施并删除了所有整形图层。
    现在，当我使用 tidlModelImport 工具时，它正在读取网络，同时提供 MAC 和 FPS 信息。 但是、
    之后出现错误。 算法 Init 失败，错误号为-1038

    请检查此日志：

    网络名称： 数据
    输入数量： 1
    检测到的层数：68
    TIDL_DataLayer ，数据 0、-1、1
    ，300，300， 0、
    1、TIDL_ConvolutionLayer ，CONV1 1、1、1
    ，73，73，304946208，
    2、TIDL_ConvolutionLayer ，挤压1_2 1、1、1
    ，73，73，8185344，
    3、TIDL_ConvolutionLayer ，扩展器1_2 1、1、1
    ，73，73，5456896，
    4、TIDL_ConvolutionLayer ，扩展器3_2 1、1、1
    ，73，73，49112064，
    5、TIDL_ConcatLayer ，firemedule_2 1、2、1
    73、73、 0、
    6、TIDL_ConvolutionLayer ，挤压1_3 1、1、1
    ，73，73，10913792，
    7、TIDL_ConvolutionLayer ，扩展器1_3 1、1、1
    ，73，73，5456896，
    8、TIDL_ConvolutionLayer ，扩展器3_3 1、1、1
    ，73，73，49112064，
    9、TIDL_ConcatLayer ，firemedule_3. 1、2、1
    73、73、 0、
    10、TIDL_ConvolutionLayer ，挤压1_4 1、1、1
    ，73，73，21827584，
    11、TIDL_ConvolutionLayer ，扩展器1_4 1、1、1
    ，73，73，21827584，
    12、TIDL_ConvolutionLayer ，扩展器3_4 1、1、1
    ，73，73，196448256，
    13、TIDL_ConcatLayer ，firemedule_4 1、2、1
    73、73、 0、
    14、TIDL_PoolingLayer ，池4. 1、1、1
    37,37,1401856,
    15、TIDL_ConvolutionLayer ，挤压1_5 1、1、1
    ，37，37，11214848，
    16、TIDL_ConvolutionLayer ，扩展器1_5 1、1、1
    37、37、5607424、
    17、TIDL_ConvolutionLayer ，扩展器3_5 1、1、1
    ，37，50466816，
    18、TIDL_ConcatLayer ，firemedule_5 1、2、1
    37、37、 0、
    19、TIDL_ConvolutionLayer ，挤压1_6 1、1、1
    ，37，16822272，
    20、TIDL_ConvolutionLayer ，扩展器1_6 1、1、1
    ，37，12616704，
    21、TIDL_ConvolutionLayer ，扩展器3_6 1、1、1
    ，37，113550336，
    22、TIDL_ConcatLayer ，firemedule_6 1、2、1
    37、37、 0、
    23、TIDL_ConvolutionLayer ，挤压1_7 1、1、1
    ，37，25233408，
    24、TIDL_ConvolutionLayer ，扩展器1_7 1、1、1
    ，37，12616704，
    25、TIDL_ConvolutionLayer ，扩展器3_7 1、1、1
    ，37，113550336，
    26、TIDL_ConcatLayer ，firemedule_7 1、2、1
    37、37、 0、
    27、TIDL_ConvolutionLayer ，挤压1_8 1、1、1
    ，37，33644544，
    28、TIDL_ConvolutionLayer ，扩展器1_8 1、1、1
    ，37，22429696，
    29、TIDL_ConvolutionLayer ，扩展器3_8 1、1、1
    ，37，37，201867264，
    30、TIDL_ConcatLayer ，firemedule_8 1、2、1
    37、37、 0、
    31、TIDL_PoolingLayer ，池8 1、1、1
    ，19，739328，
    32、TIDL_ConvolutionLayer ，挤压1_9 1、1、1
    ，19，11829248，
    33、TIDL_ConvolutionLayer ，扩展器1_9 1、1、1
    ，19，5914624，
    34、TIDL_ConvolutionLayer ，扩展器3_9 1、1、1
    ，19，53231616，
    35、TIDL_ConcatLayer ，firemedule_9 1、2、1
    19、19、 0、
    36、TIDL_PoolingLayer ，池10. 1、1、1
    ，10，204800，
    37、TIDL_ConvolutionLayer ，挤压1_10 1、1、1
    ，10，10，3276800，
    38、TIDL_ConvolutionLayer ，扩展器1_10 1、1、1
    、10、1638400、
    39、TIDL_ConvolutionLayer ，扩展器3_10 1、1、1
    ，10，14745600，
    40、TIDL_ConcatLayer ，firemedule_10 1、2、1
    ，10，10， 0、
    41、TIDL_PoolingLayer ，池11. 1、1、1
    、5、5、 51200、
    42、TIDL_ConvolutionLayer ，挤压1_11 1、1、1
    、5、819200、
    43、TIDL_ConvolutionLayer ，扩展器1_11 1、1、1
    、5、5、409600、
    44、TIDL_ConvolutionLayer ，扩展器3_11 1、1、1
    、5、3686400、
    45、TIDL_ConcatLayer ，firemedule_11 1、2、1
    、5、5、 0、
    46、TIDL_PoolingLayer ，池12. 1、1、1
    、3、3、 18432、
    47、TIDL_ConvolutionLayer ，挤压1_12 1、1、1
    ，3，3，294912，
    48、TIDL_ConvolutionLayer ，扩展器1_12 1、1、1
    ，3，147456，
    49、TIDL_ConvolutionLayer ，扩展器3_12 1、1、1
    ，3，1327104，
    50、TIDL_ConcatLayer ，firemedule_12 1、2、1
    、3、3、 0、
    51、TIDL_PoolingLayer ，第13池 1、1、1
    ，1，1， 4608、
    52、TIDL_InnerProductLayer ，挤压1_13 1、1、1
    ，1，64， 32768、
    53、TIDL_InnerProductLayer ，扩展器1_13 1、1、1
    ，1，256， 16384、
    54、TIDL_ConvolutionLayer ，扩展器3_13 1、1、1
    ，1，1，147456，
    55、TIDL_ConcatLayer ，firemedule_13 1、2、1
    ，1，1， 0、
    56、TIDL_ConvolutionLayer ，reg_score_1 1、1、1
    ，37，75700224，
    57、TIDL_ConvolutionLayer ，CLS_SCALE_1 1、1、1
    ，37，56775168，
    58、TIDL_ConvolutionLayer ，reg_score_2 1、1、1
    ，19，39923712，
    59、TIDL_ConvolutionLayer ，cls_score_2 1、1、1
    ，19，29942784，
    60、TIDL_ConvolutionLayer ，reg_score_3 1、1、1
    、10、11059200、
    61、TIDL_ConvolutionLayer ，cls_score_3 1、1、1
    ，10，10，8294400，
    62、TIDL_ConvolutionLayer ，reg_score_4 1、1、1
    、5、5、2764800、
    63、TIDL_ConvolutionLayer ，cls_score_4 1、1、1
    ，5，5，2073600，
    64、TIDL_ConvolutionLayer ，reg_score_5 1、1、1
    、3、995328、
    65、TIDL_ConvolutionLayer ，cls_score_5 1、1、1
    ，3，746496，
    66、TIDL_ConvolutionLayer ，reg_score_6 1、1、1
    ，1，1，110592，
    67、TIDL_ConvolutionLayer ，CLS_SCALE_6 1、1、1
    ，1，1， 82944、
    千兆马卡：1.6213
    总千兆 Mac：24.3197 @15 fps
    总千兆位 MAC：48.6394 @30 fps
    已复制1个文件。

    正在处理配置文件.\tempDir\qunat_stats_config.txt！
    TIDL_DataLayer 、0、-1、1、x、 x、x、x、x、x、
    1、TIDL_ConvolutionLayer 、1、1、0、 x、x、x、x、x、
    2、TIDL_ConvolutionLayer ，1，1，1，1， x、x、x、x、x、
    3、TIDL_ConvolutionLayer 、1、1、2、 x、x、x、x、x、
    4、TIDL_ConvolutionLayer 、1、1、2、 x、x、x、x、x、
    5、TIDL_ConcatLayer 、1、2、1、3、 4、x、x、x、x、
    6、TIDL_ConvolutionLayer ，1，1，5， x、x、x、x、x、
    7、TIDL_ConvolutionLayer ，1，1，6， x、x、x、x、x、
    8、TIDL_ConvolutionLayer ，1，1，6， x、x、x、x、x、
    9、TIDL_ConcatLayer 、1、2、1、7、 8、x、x、x、x、
    10、TIDL_ConvolutionLayer ，1，1，9， x、x、x、x、x、
    11、TIDL_ConvolutionLayer ，1，1，10， x、x、x、x、x、
    12、TIDL_ConvolutionLayer ，1，1，10， x、x、x、x、x、
    13、TIDL_ConcatLayer ，1，2，1，11， 12、x、x、x、x、
    14、TIDL_PoolingLayer ，1，1，13， x、x、x、x、x、
    15、TIDL_ConvolutionLayer ，1，1，14， x、x、x、x、x、
    16、TIDL_ConvolutionLayer ，1，1，15， x、x、x、x、x、
    17、TIDL_ConvolutionLayer ，1，1，15， x、x、x、x、x、
    18、TIDL_ConcatLayer ，1，2，1，16， 17、x、x、x、x、
    19、TIDL_ConvolutionLayer ，1，1，18， x、x、x、x、x、
    20、TIDL_ConvolutionLayer ，1，1，19， x、x、x、x、x、
    21、TIDL_ConvolutionLayer ，1，1，19， x、x、x、x、x、
    22、TIDL_ConcatLayer ，1，2，1，20， 21、x、x、x、x、
    23、TIDL_ConvolutionLayer ，1，1，22， x、x、x、x、x、
    24、TIDL_ConvolutionLayer ，1，1，23， x、x、x、x、x、
    25、TIDL_ConvolutionLayer ，1，1，23， x、x、x、x、x、
    26、TIDL_ConcatLayer ，1，2，1，24， 25、x、x、x、x、
    27、TIDL_ConvolutionLayer ，1，1，26， x、x、x、x、x、
    28、TIDL_ConvolutionLayer ，1，1，27， x、x、x、x、x、
    29、TIDL_ConvolutionLayer ，1，1，27， x、x、x、x、x、
    30、TIDL_ConcatLayer ，1，2，1，28， 29、x、x、x、x、
    31、TIDL_PoolingLayer ，1，1，30， x、x、x、x、x、
    32、TIDL_ConvolutionLayer ，1，1，31， x、x、x、x、x、
    33、TIDL_ConvolutionLayer ，1，1，32， x、x、x、x、x、
    34、TIDL_ConvolutionLayer ，1，1，32， x、x、x、x、x、
    35、TIDL_ConcatLayer ，1，2，1，33， 34、x、x、x、x、
    36、TIDL_PoolingLayer ，1，1，35， x、x、x、x、x、
    37、TIDL_ConvolutionLayer ，1，1，36， x、x、x、x、x、
    38、TIDL_ConvolutionLayer ，1，1，37， x、x、x、x、x、
    39、TIDL_ConvolutionLayer ，1，1，37， x、x、x、x、x、
    40、TIDL_ConcatLayer ，1，2，1，38， 39、x、x、x、x、
    41、TIDL_PoolingLayer ，1，1，40， x、x、x、x、x、
    42、TIDL_ConvolutionLayer ，1，1，41， x、x、x、x、x、
    43、TIDL_ConvolutionLayer ，1，1，42， x、x、x、x、x、
    44、TIDL_ConvolutionLayer ，1，1，42， x、x、x、x、x、
    45、TIDL_ConcatLayer ，1，2，1，43， 44、x、x、x、x、
    46、TIDL_PoolingLayer ，1，1，45， x、x、x、x、x、
    47、TIDL_ConvolutionLayer ，1，1，46， x、x、x、x、x、
    48、TIDL_ConvolutionLayer ，1，1，47， x、x、x、x、x、
    49、TIDL_ConvolutionLayer ，1，1，47， x、x、x、x、x、
    50、TIDL_ConcatLayer ，1，2，1，48， 49、x、x、x、x、
    51、TIDL_PoolingLayer ，1，1，50， x、x、x、x、x、
    52、TIDL_InnerProductLayer ，1，1，51， x、x、x、x、x、
    53、TIDL_InnerProductLayer ，1，1，52， x、x、x、x、x、
    54、TIDL_ConvolutionLayer ，1，1，52， x、x、x、x、x、
    55、TIDL_ConcatLayer ，1，2，1，53， 54、x、x、x、x、
    56、TIDL_ConvolutionLayer ，1，1，30， x、x、x、x、x、
    57、TIDL_ConvolutionLayer ，1，1，30， x、x、x、x、x、
    58、TIDL_ConvolutionLayer ，1，1，35， x、x、x、x、x、
    59、TIDL_ConvolutionLayer ，1，1，35， x、x、x、x、x、
    60、TIDL_ConvolutionLayer ，1，1，40， x、x、x、x、x、
    61、TIDL_ConvolutionLayer ，1，1，40， x、x、x、x、x、
    62、TIDL_ConvolutionLayer ，1，1，45， x、x、x、x、x、
    63、TIDL_ConvolutionLayer ，1，1，45， x、x、x、x、x、
    64、TIDL_ConvolutionLayer ，1，1，50， x、x、x、x、x、
    65、TIDL_ConvolutionLayer ，1，1，50， x、x、x、x、x、
    66、TIDL_ConvolutionLayer ，1，1，55， x、x、x、x、x、
    67、TIDL_ConvolutionLayer ，1，1，55， x、x、x、x、x、
    68、TIDL_DataLayer 0、1、-1、67、 x、x、x、x、x、
    图层 ID、inBlkWidth、inBlkHeight、inBlkPitch、outBlkWidth、outBlkHeight、Out
    ，numAccItrs，numHorBlock，numVerBlock，inBlkChPitch，outBlkChPitc，alignOrnot
    1 80 76. 80 32 32
    3. 5. 5. 6080 1024 1
    2. 32 32 32 32 32
    14. 3. 3. 1024 1024 1
    3. 32 32 32 32 32
    3. 3. 3. 1024 1024 1
    4. 40 34 40 32 32
    3. 3. 3. 1360. 1024 1
    6. 32 32 32 32 32
    19. 3. 3. 1024 1024 1
    7. 32 32 32 32 32
    3. 3. 3. 1024 1024 1
    8. 40 34 40 32 32
    3. 3. 3. 1360. 1024 1
    10. 32 32 32 32 32
    19. 3. 3. 1024 1024 1
    11. 32 32 32 32 32
    5. 3. 3. 1024 1024 1
    12. 40 34 40 32 32
    6. 3. 3. 1360. 1024 1
    15. 32 32 32 32 32
    37. 2. 2. 1024 1024 1
    16. 32 32 32 32 32
    5. 2. 2. 1024 1024 1
    17. 40 34 40 32 32
    6. 2. 2. 1360. 1024 1
    19. 32 32 32 32 32
    37. 2. 2. 1024 1024 1
    20. 32 32 32 32 32
    7. 2. 2. 1024 1024 1
    21. 40 34 40 32 32
    8. 2. 2. 1360. 1024 1
    23 32 16. 32 32 16.
    48 2. 3. 512 512 1
    24 32 32 32 32 32
    7. 2. 2. 1024 1024 1
    25 40 34 40 32 32
    8. 2. 2. 1360. 1024 1
    27. 32 16. 32 32 16.
    48 2. 3. 512 512 1
    28. 32 32 32 32 32
    10. 2. 2. 1024 1024 1
    29. 40 34 40 32 32
    11. 2. 2. 1360. 1024 1
    32 32 19. 32 32 19.
    64 1 1 608 608 1
    33. 32 19. 32 32 19.
    8. 1 1 608 608 1
    34 40 21. 40 32 19.
    8. 1 1 840) 608 1
    37. 16. 10. 16. 16. 10.
    64 1 1 160 160 1
    38. 16. 10. 16. 16. 10.
    8. 1 1 160 160 1
    39. 24 12. 24 16. 10.
    8. 1 1 288 160 1
    42. 16. 5. 16. 16. 5.
    64 1 1 80 80 1
    43. 16. 5. 16. 16. 5.
    8. 1 1 80 80 1
    44. 24 7. 24 16. 5.
    8. 1 1 168. 80 1
    47. 16. 3. 16. 16. 3.
    64 1 1 48 48 1
    48 16. 3. 16. 16. 3.
    8. 1 1 48 48 1
    49 24 5. 24 16. 3.
    8. 1 1 120 48 1
    算法 Init 失败，错误号为-1038
    行：1521：文件中出错 ..\src\tidl_tb.c、共
    找到配置列表的末尾！
  • 0
    TI__Guru**** 2933120 points
    请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
    有关错误代码的详细信息、请参阅"itidl_ti.h"。
    此错误代码表示：TIDL_E_POOL_INVALID_STRIDE_WIDTH。
    我想、您的某个池层使用的跨度大于2。 请将它们替换为多个池层以解决此问题

    平路机、
    Kumar.D
  • 0
    TI__Guru**** 2933120 points
    请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
    您好、Kuamr、

    我解决了多池层的问题。 但是、现在我面临卷积层的误差。


    以下是日志数据：
    网络名称： 数据
    输入数量： 1
    检测到的层数：57
    TIDL_DataLayer ，数据 0、-1、1、x、x、 x、x、x、x、x、 X、0、0、0、0、 0、1、3、300、300、 0、
    1、TIDL_ConvolutionLayer ，CONV1 1、1、1、0、x、 x、x、x、x、x、 X、1、1、3、300、 300、1、96、73、73、 304946208、
    2、TIDL_ConvolutionLayer ，挤压1_2 1、1、1、1、x、 x、x、x、x、x、 X、2、1、96、73、 73、1、16、73、73、 8185344、
    3、TIDL_ConvolutionLayer ，扩展器1_2 1、1、1、2、x、 x、x、x、x、x、 X、3、1、16、73、 73、1、64、73、73、 5456896、
    4、TIDL_ConvolutionLayer ，扩展器3_2 1、1、1、2、x、 x、x、x、x、x、 X、4、1、16、73、 73、1、64、73、73、 49112064、
    5、TIDL_ConcatLayer ，firemedule_2 1、2、1、3、4、 x、x、x、x、x、 X、5、1、64、73、 73、1、128、73、73、 0、
    6、TIDL_ConvolutionLayer ，挤压1_3 1、1、1、5、x、 x、x、x、x、x、 X、6、1、128、73、 73、1、16、73、73、 10913792、
    7、TIDL_ConvolutionLayer ，扩展器1_3 1、1、1、6、x、 x、x、x、x、x、 X、7、1、16、73、 73、1、64、73、73、 5456896、
    8、TIDL_ConvolutionLayer ，扩展器3_3 1、1、1、6、x、 x、x、x、x、x、 X、8、1、16、73、 73、1、64、73、73、 49112064、
    9、TIDL_ConcatLayer ，firemedule_3. 1、2、1、7、8、 x、x、x、x、x、 X、9、1、64、73、 73、1、128、73、73、 0、
    10、TIDL_ConvolutionLayer ，挤压1_4 1、1、1、9、x、 x、x、x、x、x、 X、10、1、128、73、 73、1、32、73、73、 21827584、
    11、TIDL_ConvolutionLayer ，扩展器1_4 1、1、1、10、x、 x、x、x、x、x、 X、11、1、32、73、 73、1、128、73、73、 21827584、
    12、TIDL_ConvolutionLayer ，扩展器3_4 1、1、1、10、x、 x、x、x、x、x、 X、12、1、32、73、 73、1、128、73、73、 196448256、
    13、TIDL_ConcatLayer ，firemedule_4 1、2、1、11、12、 x、x、x、x、x、 X、13、1、128、73、 73、1、256、73、73、 0、
    14、TIDL_PoolingLayer ，池4. 1、1、1、13、x、 x、x、x、x、x、 X、14、1、256、73、 73、1、256、37、37、 1401856、
    15、TIDL_ConvolutionLayer ，挤压1_5 1、1、1、14、x、 x、x、x、x、x、 X、15、1、256、37、 37、1、32、37、37、 11214848、
    16、TIDL_ConvolutionLayer ，扩展器1_5 1、1、1、15、x、 x、x、x、x、x、 X、16、1、32、37、 37、1、128、37、37、 5607424、
    17、TIDL_ConvolutionLayer ，扩展器3_5 1、1、1、15、x、 x、x、x、x、x、 X、17、1、32、37、 37、1、128、37、37、 50466816、
    18、TIDL_ConcatLayer ，firemedule_5 1、2、1、16、17、 x、x、x、x、x、 X、18、1、128、37、 37、1、256、37、37、 0、
    19、TIDL_ConvolutionLayer ，挤压1_6 1、1、1、18、x、 x、x、x、x、x、 X、19、1、256、37、 37、1、48、37、37、 16822272、
    20、TIDL_ConvolutionLayer ，扩展器1_6 1、1、1、19、x、 x、x、x、x、x、 X、20、1、48、37、 37、1、192、37、37、 12616704、
    21、TIDL_ConvolutionLayer ，扩展器3_6 1、1、1、19、x、 x、x、x、x、x、 X、21、1、48、37、 37、1、192、37、37、 113550336、
    22、TIDL_ConcatLayer ，firemedule_6 1、2、1、20、21、 x、x、x、x、x、 X、22、1、192、37、 37、1、384、37、37、 0、
    23、TIDL_ConvolutionLayer ，挤压1_7 1、1、1、22、x、 x、x、x、x、x、 X、23、1、384、37、 37、1、48、37、37、 25233408、
    24、TIDL_ConvolutionLayer ，扩展器1_7 1、1、1、23、x、 x、x、x、x、x、 X、24、1、48、37、 37、1、192、37、37、 12616704、
    25、TIDL_ConvolutionLayer ，扩展器3_7 1、1、1、23、x、 x、x、x、x、x、 X、25、1、48、37、 37、1、192、37、37、 113550336、
    26、TIDL_ConcatLayer ，firemedule_7 1、2、1、24、25、 x、x、x、x、x、 X、26、1、192、37、 37、1、384、37、37、 0、
    27、TIDL_ConvolutionLayer ，挤压1_8 1、1、1、26、x、 x、x、x、x、x、 X、27、1、384、37、 37、1、64、37、37、 33644544、
    28、TIDL_ConvolutionLayer ，扩展器1_8 1、1、1、27、x、 x、x、x、x、x、 X、28、1、64、37、 37、1、256、37、37、 22429696、
    29、TIDL_ConvolutionLayer ，扩展器3_8 1、1、1、27、x、 x、x、x、x、x、 X、29、1、64、37、 37、1、256、37、37、 201867264、
    30、TIDL_ConcatLayer ，firemedule_8 1、2、1、28、29、 x、x、x、x、x、 X、30、1、256、37、 37、1、512、37、37、 0、
    31、TIDL_PoolingLayer ，池8 1、1、1、30、x、 x、x、x、x、x、 X、31、1、512、37、 37、1、512、19、19、 739328、
    32、TIDL_ConvolutionLayer ，挤压1_9 1、1、1、31、x、 x、x、x、x、x、 X、32、1、512、19、 19、1、64、19、19、 11829248、
    33、TIDL_ConvolutionLayer ，扩展器1_9 1、1、1、32、x、 x、x、x、x、x、 X、33、1、64、19、 19、1、256、19、19、 5914624、
    34、TIDL_ConvolutionLayer ，扩展器3_9 1、1、1、32、x、 x、x、x、x、x、 X、34、1、64、19、 19、1、256、19、19、 53231616、
    35、TIDL_ConcatLayer ，firemedule_9 1、2、1、33、34、 x、x、x、x、x、 X、35、1、256、19、 19、1、512、19、19、 0、
    36、TIDL_PoolingLayer ，池10. 1、1、1、35、x、 x、x、x、x、x、 X、36、1、512、19、 19、1、512、10、10、 204800、
    37、TIDL_ConvolutionLayer ，挤压1_10 1、1、1、36、x、 x、x、x、x、x、 X、37、1、512、10、 10、1、64、10、10、 3276800、
    38、TIDL_ConvolutionLayer ，扩展器1_10 1、1、1、37、x、 x、x、x、x、x、 X、38、1、64、10、 10、1、256、10、10、 1638400、
    39、TIDL_ConvolutionLayer ，扩展器3_10 1、1、1、37、x、 x、x、x、x、x、 X、39、1、64、10、 10、1、256、10、10、 14745600、
    40、TIDL_ConcatLayer ，firemedule_10 1、2、1、38、39、 x、x、x、x、x、 X、40、1、256、10、 10、1、512、10、10、 0、
    41、TIDL_PoolingLayer ，池11. 1、1、1、40、x、 x、x、x、x、x、 X、41、1、512、10、 10、1、512、5、5、 51200、
    42、TIDL_ConvolutionLayer ，挤压1_11 1、1、1、41、x、 x、x、x、x、x、 X、42、1、512、5、 5、1、64、5、5、 819200、
    43、TIDL_ConvolutionLayer ，扩展器1_11 1、1、1、42、x、 x、x、x、x、x、 X、43、1、64、5、 5、1、256、5、5、 409600、
    44、TIDL_ConvolutionLayer ，扩展器3_11 1、1、1、42、x、 x、x、x、x、x、 X、44、1、64、5、 5、1、256、5、5、 3686400、
    45、TIDL_ConcatLayer ，firemedule_11 1、2、1、43、44、 x、x、x、x、x、 X、45、1、256、5、 5、1、512、5、5、 0、
    46、TIDL_PoolingLayer ，池12. 1、1、1、45、x、 x、x、x、x、x、 X、46、1、512、5、 5、1、512、3、3、 18432、
    47、TIDL_ConvolutionLayer ，挤压1_12 1、1、1、46、x、 x、x、x、x、x、 X、47、1、512、3、 3、1、64、3、3、 294912、
    48、TIDL_ConvolutionLayer ，扩展器1_12 1、1、1、47、x、 x、x、x、x、x、 X、48、1、64、3、 3、1、256、3、3、 147456、
    49、TIDL_ConvolutionLayer ，扩展器3_12 1、1、1、47、x、 x、x、x、x、x、 X、49、1、64、3、 3、1、256、3、3、 1327104、
    50、TIDL_ConcatLayer ，firemedule_12 1、2、1、48、49、 x、x、x、x、x、 X、50、1、256、3、 3、1、512、3、3、 0、
    51、TIDL_PoolingLayer ，第13池 1、1、1、50、x、 x、x、x、x、x、 X、51、1、512、3、 3、1、512、2、2、 8192、
    52、TIDL_PoolingLayer ，第14池 1、1、1、51、x、 x、x、x、x、x、 X、52、1、512、2、 2、1、512、1、1、 2048、
    53、TIDL_InnerProductLayer ，挤压1_13 1、1、1、52、x、 x、x、x、x、x、 X、53、1、512、1、 1、1、1、1、64、 32768、
    54、TIDL_InnerProductLayer ，扩展器1_13 1、1、1、53、x、 x、x、x、x、x、 X、54、1、1、1、 64、1、1、1、256、 16384、
    55、TIDL_ConvolutionLayer ，扩展器3_13 1、1、1、53、x、 x、x、x、x、x、 X、55、1、1、1、 64、1、256、1、1、 147456、
    56、TIDL_ConcatLayer ，firemedule_13 1、2、1、54、55、 x、x、x、x、x、 X、56、1、1、1、 256、1、512、1、1、 0、
    千兆麦：1.3929
    总千兆位 MAC：20.8928 @15 fps
    总千兆位 MAC：41.7855 @30 fps
    已复制1个文件。


    如果您看到第53层和第54层、它们实际上是卷积层。 但是、TIDL 将它们标识为 InnerProductLayer。

    1x1x1x1x512 ---- >挤出1_13 (kernelsize=1、STRIDE =1、numfilleters=64)--> 1x1x1x64

    1x1x1x1x64 ---- >expander1_13 (kernelsize=1，STRIDE =1，numfilleters=256，pad=1)---- > 1x1x1x256


    1x1卷积与输入为1x1x1x1xN 是否存在任何问题？
    请评论。

    此致、
    Sagar Kale
  • 0
    TI__Guru**** 2933120 points
    请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
    您好 Sagar、
    如果卷积层的输入特性为1x1、则将其替换为内部产品层(为了获得更好的性能)。
    如果最后一层(在平展之前)、这是可以的。 在您的情况下，它不是最后一层。 这需要在 TIDL 中修复。
    我们将对此进行研究并更新您的信息。
    此致、
    Kumar.D