3.3.2 生成FP32 Umodel
为了将第三方框架训练后的网络模型量化，需要先将它们转化为量化平台私有格式fp32 Umodel。
注意：基于精度方面考虑输入Calibration-tools的fp32 umodel需要保持BatchNorm层以及Scale层独立。当您利用第三方工具对网络图做一些等价转换优化时，请确保BatchNorm以及Scale层不被提前融合到Convolution。
此阶段的参数设置需要注意：
如果指定了“-D (-dataset )”参数，那么需要保证“-D”参数下的路径正确，同时指定的数据集兼容该网络，否则会有运行错误。
若指定了“-D”参数，则按照章节 using-lmdb 方法修改 prototxt。
使用 data layer 作为输入
正确设置数据预处理
正确设置 lmdb 的路径
在不能提供合法的数据源时，不应该使用“-D”参数（该参数是可选项，不指定会使用随机数据测 试网络转化的正确性，可以在转化后的网络中再手动修改数据来源）
转化模型的时候可以指定参数“–cmp”，使用该参数会比较模型转化的中间格式与原始框架下的模 型计算结果是否一致，增加了模型转化的正确性验证。
此阶段生成fp32 umodel使用的工具为一系列名为ufw.tools.*_to_umodel的python脚本，存放于ufw包中，*号代表不同框架的缩写，可以通过以下命令查看使用帮助：
最后更新于