新增部分可选参数说明

docs/netrans_py.md

@@ -25,20 +25,20 @@ netrans_py 为 Netrans 编译器的 python 调用接口。
 | 参数名 | 类型 | 说明  |
 |:---| -- | -- |
 |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：
 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)。 -->
 
-## 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。
  代码示例：
 
  ```py3
- yolo_netrans.import()
+ yolo_netrans.load()
  ```
 
  参数：
@@ -54,7 +54,14 @@ netrans_py 为 Netrans 编译器的 python 调用接口。
  代码示例：
 
  ```py3
+ # 没有直接可用的 inputmeta,需要生成.
  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：
@@ -105,7 +112,7 @@ yolo_netrans.export()
 ```
 
 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：
    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
 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 
-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
 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
 net = Netrans(model_path,netrans=netrans_path)
 # 模型载入
-net.import()
+net.load()
 # 配置预处理 normlize 的参数
 net.config(scale=1,mean=0)
 # 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
 net.model2nbg(quantize_type = "int16", inputmeta=True)
 ```
+
+------
+> *作者 {{xujiao}}*