[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

8 年多前

0 admin 8 年多前

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 admin 8 年多前

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 admin 8 年多前

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 admin 8 年多前

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 admin 8 年多前

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

处理器（参考译文帖）

处理器（参考译文帖）(Read Only)

[参考译文] TDA2EXEVM：TDA2EXEVM