yingshengBD

先确认使用硬件、paddle版本、paddleSlim版本，较早版本的Slim是没有全量化的 另外，关于priorBox，如果是arm cpu那PriorBox是不会离线处理的（Arm同学修改 https://github.com/PaddlePaddle/Paddle-Lite/commit/c85034f69ebab7af657ef7f390e1312191a4a2f2）

> c85034f69ebab7af657ef7f390e1312191a4a2f2） > > 先确认使用硬件、paddle版本、paddleSlim版本，较早版本的Slim是没有全量化的 另外，关于priorBox，如果是arm cpu那PriorBox是不会离线处理的（Arm同学修改 [c85034f69ebab7af657ef7f390e1312191a4a2f2）](https://github.com/PaddlePaddle/Paddle-Lite/commit/c85034f69ebab7af657ef7f390e1312191a4a2f2%EF%BC%89) > > 我们使用的是paddlepaddle2.1.3 paddleslim2.1 paddlelite 2.9(注册过fpga子图算子的)，硬件平台是intel fpga Cyclone V  请问这里是否意味着会对relu、relu6等进行量化？ 那确实是老版了，建议paddle和slim使用develop或者2.3以后的版本，自带全量化。 另外如果是fpga的量化算子开发， 在此提醒：需要考虑量化是perlayer还是perchannel，uint8还是int8，以免后续踩坑 最后，欢迎贡献fpga算子kernel代码

> > 先确认使用硬件、paddle版本、paddleSlim版本，较早版本的Slim是没有全量化的 另外，关于priorBox，如果是arm cpu那PriorBox是不会离线处理的（Arm同学修改 [c85034f69ebab7af657ef7f390e1312191a4a2f2）](https://github.com/PaddlePaddle/Paddle-Lite/commit/c85034f69ebab7af657ef7f390e1312191a4a2f2%EF%BC%89) > > 我们确实用的是arm，链接好像有误，麻烦再发一下吧。 没关系，这只是个commitID，如果是armcpu，在线计算priorbox也没有什么性能下降 另外priorbox、boxcoder、nms这种本身就没有必要、也不会量化， 如果你是希望模型尽可能多的量化来提升性能，那么建议使用paddle和slim的develop或者2.3以后的版本，那个全量化比较全面。当然之前说的priorbox、boxcoder、nms是不会量化的

对比9258和9262。所以是seg fault，还是计算结果不对呢

如果直接用voc训练好的模型，来推理实际业务图片，当然会有差异。 需要用预训练模型基于你实际业务数据去训练

您有试过训练出来的模型跑paddle inference吗？我们需要确认 训练出的模型本身精度是否可用。

你好 ，请先参考这个文档部署1808，https://paddle-lite.readthedocs.io/zh/develop/demo_guides/verisilicon_timvx.html 注意文档中描述的驱动版本

你是使用opt工具生成的模型？注意target 得同时包含 verisilicon_timvx和arm

是这样的，我们是建议使用 芯原TIMVX 既https://paddle-lite.readthedocs.io/zh/develop/demo_guides/verisilicon_timvx.html 这个方式来部署rk1808，这个要求驱动就是6.4.3.5。你的已经符合。 但是看你的日志，你是用的rk ddk来部署，那个就是要求驱动6.4.0，这个在rk ddk的文档中也有明确说明。 建议按照 https://paddle-lite.readthedocs.io/zh/develop/demo_guides/verisilicon_timvx.html 这个方法

> #9262 还是你催得花哨doge，我在那边回复