前一段时间,在NVDLA上针对MNIST、CIFAR-10、IMAGENET2012这三个数据集上,训练了lenet5、resnet-18两个网络,并在NVDLA的vp环境下编译,运行,相关的模型可以在下文下载。

而NVDLA的文档描述里写到其是支持8bit的,但是如何将浮点模型在nvdla上量化成8bit并运行官方给出的说明很少,本文记述的内容有模型量化的方法、以及修复了官方代码中的一些问题。

EEEENVDLA

从TensorRT看INT8量化原理

https://www.cnblogs.com/nanmi/p/13607515.html

Kali Linux信息收集之enum4linux

https://www.ctolib.com/topics-82798.html

Linux提权(持续更新)

https://blog.csdn.net/anan2175/article/details/102122134

c++11以正确的姿势输出enum class的值

https://blog.csdn.net/lianshaohua/article/details/109358626

使用正则表达式判断二进制数字是否能被3整除

http://blog.2baxb.me/archives/588

Basic Linux Privilege Escalation

https://blog.g0tmi1k.com/2011/08/basic-linux-privilege-escalation/

Digilal DesignEEEE

img

在使用Caffe训练网络的时候,往往会在train的prototxt里对图像有一些预处理操作、例如做resize、对训练数据减去均值等,在实际推理的时候我们还需把输入图像resize到网络输入的大小,必要的时候还需要做图像通道的transpose。在用PyCaffe进行推理的时候,这些操作需要使用caffe的transformer来实现,本文记述prototxt的预处理键值

Caffe