其他异常问题

网络应该如何设计，能在SigmaStar的硬件上高效执行？

需要说明的是，SGS_IPU_SDK转换后的模型默认数据排布为NHWC。 卷积方面：卷积的输入shape的C越大，HW越小，卷积的效率越高。硬件能直接支持kernel size为3x3的Depthwise卷积，其他size的kernel将转换为非Depthwise卷积计算。 其他层：其他层的C维度最好是16的整数倍，都能够加速运算，特别是Gather、Unpack、Pack、Concat、Reshape、Slice、Tile、Tanspose、Pad、Split等算子加速十分明显。

网络输入的图片数据排布是怎样的？

需要说明的是，SGS_IPU_SDK转换后的模型默认数据排布为NHWC。因此如果是RGB通道顺序的图片输入模型，图片数据排布是……RGBRGB……。如果是BGR通道顺序的图片输入模型，图片数据排布是……BGRBGR……。

NMS最大支持多少个box输入？

TFLite_Detection_NMS算子最大支持24576个bbox输入。由于NMS算法的特殊性，目前硬件最大限制为24576个输入才可以做。

非图片输入的网络可以运行吗？

可以运行，数据输入的要求和图片输入略有不同，详情请参考9.2节。

使用ARM将网络输出的int16转浮点很快吗？

测试100万个int16数据量乘scale的速度为8ms左右。

如何查看模型在板端的运行效率

查看网络内部详细耗时，可以先修改程序，在MI_IPU_DestroyCHN和MI_IPU_DestroyDevice前使用while(1);

停住程序。运行起来以后，使用telnet新开一个终端，使用如下命令，

echo time_statistic > /proc/mi_modules/mi_ipu/mi_ipu0

即可查看到网络内部详细耗时：（输出结果在串口）

使用如下命令查看IPU频率：

cat /sys/dla/clk_rate