跳到主要内容

7.4.1 简介

D-Robotics 算法工具链是基于D-Robotics 处理器研发的算法解决方案，可以帮助您把浮点模型量化为定点模型， 并在D-Robotics 处理器上快速部署自研算法模型。

目前在GPU上训练的模型大部分都是浮点模型，即参数使用的是float类型存储；D-Robotics BPU架构的处理器使用的是 INT8 的计算精度（业内处理器的通用精度），只能运行定点量化模型。从训练出的浮点模型转为定点模型的过程，我们叫做量化，依据是否要对量化后的参数进行调整，我们可以将量化方法分为QAT（Quantification Aware Training）量化感知训练和PTQ（Post-Training Quantization）训练后量化。

D-Robotics 算法工具链主要使用的是训练后量化PTQ方法，只需使用一批校准数据对训练好的浮点模型进行校准, 将训练过的FP32网络直接转换为定点计算的网络，此过程中无需对原始浮点模型进行任何训练，只对几个超参数调整就可完成量化过程, 整个过程简单快速, 目前在端侧和云侧场景已得到广泛应用。

使用注意事项​

本章节适用于使用D-Robotics 处理器的开发者，用于介绍D-Robotics 算法工具链的一些使用注意事项。

浮点模型(FP32)注意事项​

  • 支持caffe 1.0 版本的caffe浮点模型和ir_version≤7 、opset10 、opset11 版本的onnx浮点模型量化成D-Robotics 支持的定点模型；

  • 其他框架训练的浮点模型需要先导出第1点要求符合版本的onnx浮点模型后，才能进行量化；

  • 模型输入维度只支持固定4维 输入NCHW或NHWC（N维度只能为1），例如：1x3x224x224或1x224x224x3， 不支持动态维度及非4维输入；

  • 浮点模型中不要包含有后处理算子 ,例如：nms计算。

模型算子列表说明​

  • 目前提供了D-Robotics 处理器可支持的所有Caffe和ONNX算子情况，其他未列出的算子因D-Robotics 处理器 bpu硬件限制 ，暂不支持 。具体算子支持列表，请参考 模型算子支持列表 章节内容。