swcui

> > look at the graph of the model after `prepare(onnx_model)`, and you will most likely be shocked by what you see > > Truly, add too many transpose node...

同问预训练模型怎么用~~

知道了，用预训练模型的话，输出维度需要是192。训练脚本添加--embedding_size 192或者训练代码里把embedding_size设为192

> * [ ] nncase v1 缺少kpu 调用后的自动transpose > > 1. v0.2的时候并没有对输入layout进行选择, 如果是tflite模型,本身输入为nhwc的话,都会改成nchw的形式. > 2. 但是v1之后可选input layout会导致添加额外的transpose, 同时这里还不能打开pre process选项,打开之后会添加额外的sub div节点, 实际上应该是把min std参数透传到后面的量化节点. (这个问题比较麻烦, 除非是内部人员, 外部的用户会自然的认为需要加前处理.) > * [ ] nncase...

> @wei8171023 1.6版本你跑的是510的么 K210

遇到了相似的问题： *** Error in `./tm_classification_opendla': double free or corruption (!prev): 0x0000000001b566d0 *** Aborted

> hw: zcu102+nvdla os: ubuntu20.04 Tengine: 1.5-dev > > 错误信息是double free detected：  我和你的推理输出结果事一样的，但是和官方README里执行结果并不一样，好奇是哪里不一致？！

刚才测试了一下，分别用CPU和CPU+NVDLA跑resnet18-cifar10_int8.tmfile，得到的结果虽然都正确，但是结果不一致.......哪的问题待解决,,,,,,,

我这用的是相同的mobilefacenet-mxnet模型，转到onnx后再转tengine，输入都是0，输出结果是一致的。