将模型文件拷贝至src文件夹中，
将.pth文件与测试图像image.png放在readme所在的文件夹中，
按照自己的任务需求，依次运行VggUNet_forward_cpu.py、UNet_quant.py、VggUnet_forward_layer.py、Unet_forward_fusion.py，即可生成离线模型
从pytorch生成MLU220支持的离线模型（.cambricon）
需积分: 5 189 浏览量
2023-09-18
20:33:44
上传
评论
收藏 81KB ZIP 举报
离线模型生成.zip （42个子文件） 
离线模型生成 
UNet_quant.py 1KB src __init__.py 188B u2net.py 8KB mobilenetv3.py 10KB backbone.py 7KB unet.py 7KB __pycache__ vgg_unet.cpython-39.pyc 4KB __init__.cpython-39.pyc 383B u2net.cpython-39.pyc 7KB backbone.cpython-39.pyc 5KB unet.cpython-39.pyc 5KB mobilenetv3.cpython-39.pyc 6KB fcn_model.cpython-39.pyc 5KB vgg_unet.py 4KB fcn_model.py 6KB utils version.py 0B exr2png.py 2KB save_weights .idea .name 17B workspace.xml 13KB misc.xml 189B inspectionProfiles Project_Default.xml 26KB profiles_settings.xml 174B modules.xml 281B MobileNetV3.iml 486B .gitignore 50B
Readme.txt 278B Unet_forward_fusion.py 2KB VggUnet_forward_layer.py 1KB VggUNet_forward_cpu.py 1KB __pycache__ transforms.cpython-39.pyc 6KB my_dataset1.cpython-39.pyc 2KB predict.cpython-39.pyc 1KB train.cpython-39.pyc 7KB train_utils __init__.py 173B dice_coefficient_loss.py 8KB distributed_utils.py 10KB train_and_eval.py 4KB __pycache__ dice_coefficient_loss.cpython-39.pyc 3KB train_and_eval.cpython-39.pyc 2KB __init__.cpython-39.pyc 356B distributed_utils.cpython-39.pyc 11KB vgg_unet.py 4KB资源评论
