NNIE开发RuyiStudio软件 mobilefacenet.cfg参数配置

　　为网络描述文件，NNIE mapper 对 prototxt 的输入层格式、layer 格式、激活层、Scale、Bias 层、RNN、LSTM 层及特殊的中间层上报、高精度配置、指定支持层有 CPU 执行等特定的规范约束。这里我对中间层、高精度配置、CPU执行进行一个具体的叙述：

 1 layer {
 2  name: "conv5 "
 3  type: "Convolution"
 4  bottom: "conv4"
 5  top: "conv5_report"
 6  convolution_param {
 7  　　　　num_output: 256
 8  　　　　kernel_size: 3
 9  　　　　pad: 1
10  　　　　stride: 1
11  　　}
12 }

 1 layer {
 2  name: "conv5_hp"
 3  type: "Convolution"
 4  bottom: "conv4"
 5  top: "conv5"
 6  convolution_param {
 7  　　　　num_output: 256
 8  　　　　kernel_size: 3
 9  　　　　pad: 1
10  　　　　stride: 1
11  　　}
12 }

 1 layer {
 2  bottom: "rpn_cls_score"
 3  top: "rpn_cls_score_reshape"
 4  name: "rpn_cls_score_reshape_cpu"
 5  type: "Reshape"
 6  reshape_param {
 7  　　shape {
 8  　　　　dim: 0
 9  　　　　dim: 2
10  　　　　dim: -1
11  　　　　dim: 0
12  　　　　}
13  　　}
14 }

（2）caffemodel_file：

网络模型数据文件。

（3）[batch_num]

（4） [net_type]：

网络的类型。

（5） [sparse_rate] --->（取值0到1，默认0）

NNIE引擎采用了参数压缩技术以减少带宽占用，为了提高压缩率，可通对FC参数进稀疏处理。

用户通过sparse_rate数值指定多少比例的FC参数稀疏为0，例如配0.5，则FC参数有50%将被稀疏为0，由于数据变的稀疏，压缩模块会获得更好的压缩率。稀疏值越高，计算FC时所需参数带宽越低，但精度会有所下降。

（6） [compile_mode]

（7） [is_simulation]

（8） [log_level]

（9） [instruction_name]

（10） [RGB_order]   --->取值范围：{RGB,BGR}　　default:BGR

（11） [data_scale]

（12） [internal_stride]

（13） [image_list]

NNIE mapper 用于数据量化的参考图像 list 文件或feature map 文件。该配置跟 image_type 相关。如果网络的数据输入是灰度或者 RGB 图像输入，即image_type 配置不为 0，image_list 配置为所参考图片的list，内容示意图如下图图示，图片的格式支持以下几种：

（14） [image_type]

表示网络实际执行时输入给网络的数据类型，该配置跟 image list 相关。

0∶表示网络数据输入为 SVP BLOB_TYPE_S32（参考《HiSVP API参考》）或者向量的类型（VEC_S32和 SEQ S32）;此时要求 image list 配           置为 feature map 文件;

1∶ 表示网络数据输入为 SVP BLOB TYPE U8（普通的灰度图和 RGB 图）类型; 此时要求 image_list 配置是 RGB 图或者灰度图片的 list 文件;

3∶ 网络数据输入为 SVP_ BLOB_TYPE YUV420SP类型;

5∶ 网络数据输入为SVP_BLOB_TYPE YUV422SP类型;

当配置为3或者5时，image_list配置为 RGB图片的 list 文件。

（15） [mean_file]

（16）[norm_type]

表示对网络数据输入的预处理方法。注意image_type配置为0时，norm_type只能配置为0；image_type配置为3或者5时，网络输入数据为YUV图像，但是NNIE硬件会根据RGB_order配置项自动转为RGB或者BGR图像，此时norm_type配置方法跟image_type为1时一致。

 1 [prototxt_file] ./mark_prototxt/mobilefacenet_mark_nnie_20210205133124.prototxt
 2 [caffemodel_file] ./data/mobilefacenet.prototxt.caffemodel
 3 [batch_num] 256
 4 [net_type] 0
 5 [sparse_rate] 0
 6 [compile_mode] 0
 7 [is_simulation] 1
 8 [log_level] 3
 9 [instruction_name] ./mobileface_func
10 [RGB_order] BGR
11 [data_scale] 0.0078125
12 [internal_stride] 16
13 [image_list] ./data/images/imageList.txt
14 [image_type] 1
15 [mean_file] ./data/pixel_mean.txt
16 [norm_type] 5

后面随笔将给出mobilefacenet网络的NNIE实现具体过程。