chamgj
/
netrans
forked from nudt_dsp/netrans
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

新增部分可选参数说明

This commit is contained in:
xujiao 2025-07-24 13:33:59 +08:00
parent 97620a1eec
commit 831ff52b6f
1 changed files with 16 additions and 6 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

22
docs/netrans_py.md
View File

@ -25,20 +25,20 @@ netrans_py 为 Netrans 编译器的 python 调用接口。
| 参数名 | 类型 | 说明 | | 参数名 | 类型 | 说明 |
|:---| -- | -- | |:---| -- | -- |
|model_path| str| 第一位置参数，模型文件的路径| |model_path| str| 第一位置参数，模型文件的路径|
|netans| str | 如果 NETRANS_PATH 没有设置，可通过该参数指定netrans的路径| |netrans| str | 如果 NETRANS_PATH 没有设置，可通过该参数指定netrans的路径|
输出返回： 输出返回：
无。 无。
<!-- <font color="#dd0000">注意：</font> 模型目录准备需要和netrans_cli一致，具体数据准备要求见[introduction](./introduction.md)。 --> <!-- <font color="#dd0000">注意：</font> 模型目录准备需要和netrans_cli一致，具体数据准备要求见[introduction](./introduction.md)。 -->
## Netrans.import 模型导入 ## Netrans.load 模型导入
描述： 将模型转换成 Pnna 支持的格式。 描述： 将模型转换成 Pnna 支持的格式。
代码示例： 代码示例：
```py3 ```py3
yolo_netrans.import() yolo_netrans.load()
``` ```
参数： 参数：
@ -54,7 +54,14 @@ netrans_py 为 Netrans 编译器的 python 调用接口。
代码示例： 代码示例：
```py3 ```py3
# 没有直接可用的 inputmeta,需要生成.
yolo_netrans.config() yolo_netrans.config()
# 指定复用的 inputmeta.
yolo_netrans.config(inputmeta="../examples/darknet/yolov4_tiny/yolov4_tiny_inputmeta.yml")
# 指定预处理参数 mean 和 scale. 支持 int, float 和 list.
yolo_netrans.config(mean=128, scale = 0.0039)
# 需要对数据分通道进行normlize, menas为128,127,125,scale 为 0.0039, 且reverse_channel 为 True
yolo_netrans.config(mean=[128, 127, 125], scale = 0.0039, reverse_channel= True)
``` ```
参数： 参数：
@ -105,7 +112,7 @@ yolo_netrans.export()
``` ```
参数： 参数：
无。 quantize_type (可选): 定义导出的量化类型, 默认和 quantize() 一致.
输出返回： 输出返回：
无。请在目录 “wksp/*/” 下检查是否生成nbg文件。 无。请在目录 “wksp/*/” 下检查是否生成nbg文件。
@ -121,7 +128,7 @@ yolo_netrans.model2nbg(quantize_type='uint8')
# 需要对数据进行normlize, menas为128, scale 为 0.0039 # 需要对数据进行normlize, menas为128, scale 为 0.0039
yolo_netrans.model2nbg(quantize_type='uint8',mean=128, scale = 0.0039) yolo_netrans.model2nbg(quantize_type='uint8',mean=128, scale = 0.0039)
# 需要对数据分通道进行normlize, menas为128,127,125,scale 为 0.0039, 且reverse_channel 为 True # 需要对数据分通道进行normlize, menas为128,127,125,scale 为 0.0039, 且reverse_channel 为 True
yolo_netrans.model2nbg(quantize_type='uint8'mean=[128, 127, 125], scale = 0.0039, reverse_channel= True) yolo_netrans.model2nbg(quantize_type='uint8',mean=[128, 127, 125], scale = 0.0039, reverse_channel= True)
# 已经进行初始化设置 # 已经进行初始化设置
yolo_netrans.model2nbg(quantize_type='uint8', inputmeta=True) yolo_netrans.model2nbg(quantize_type='uint8', inputmeta=True)
@ -154,7 +161,7 @@ netrans_path = "netrans/bin" # 如果进行了export定义申明，这一步可
# 初始化netrans # 初始化netrans
net = Netrans(model_path,netrans=netrans_path) net = Netrans(model_path,netrans=netrans_path)
# 模型载入 # 模型载入
net.import() net.load()
# 配置预处理 normlize 的参数 # 配置预处理 normlize 的参数
net.config(scale=1,mean=0) net.config(scale=1,mean=0)
# 模型量化 # 模型量化
@ -165,3 +172,6 @@ net.export()
# 模型直接量化成 int16 并导出, 直接复用刚配置好的 inputmeta # 模型直接量化成 int16 并导出, 直接复用刚配置好的 inputmeta
net.model2nbg(quantize_type = "int16", inputmeta=True) net.model2nbg(quantize_type = "int16", inputmeta=True)
``` ```
------
> *作者 {{xujiao}}*