28DaaLong

感谢您的回复！ 是的，硬件网络对于不同的输入图片（类别不相同），输出的十分类结果的数值是完全一样的，为了保证测试的环节没有其他因素的影响，我使用了您给出的testbench文件（本身没有任何问题，使用原参数能够正确分类），并依然使用您给出的权重（使用uint64包装好的，没有进行修改），仅将将 layer3_2 中的 BN 和 FC 层权重替换为内部新训练的权重，问题就出现了，且与参数全部替换的十分类结果相同，此结果似乎表明网络新更换的BN与FC层对于输入数据完全没有分类能力，并将计算结果转变为同一数值。 于是问题似乎指向了软件端，但是我并没有对软件端代码进行修改（仅改变了超参数），导出的浮点参数统一保留了8位有效数字。这个结果令我感到困惑，不知道问题还会出在哪里。 下图给出了testbench的部分输出结果，希望能得到您的指点。 期待您的回复

> 在您的屏幕截图中，我猜“软件”是指 C 测试平台。软件输出看起来不错。我猜硬件重量包装在插入自己的重量时有问题吗？ 感谢您的回复，是的，经过检验，在BN参数打包过程中出现了问题，在修改过后，问题得到解决。 同时，我想在这提出一个新的问题，希望能得到您的解答：首先，我在软件端训练得到了不错的准确率参数模型，但是参数在导入硬件后发生了10%左右的精度损失（参数打包以及导入方式已经被验证正确），这一问题可能出在哪里，是否与软件的训练方式有关。 期待您的回复！

Thank you for your reply. Yes, after inspection, there was a problem in the BN parameter packaging process. After modification, the problem was solved. At the same time, I would...