rknn模型推理（rknn模型转换）

引用[1]:根据引用[1]中提到的信息，NCNN对于4维及以下的张量有较好的支持，而5维及以上的张量无法

到ncnn。因此，在进行r

v5的cmake时，需要注意张量的维度是否符合NCNN的要求。

引用[2]:关于TNN

文件的下载地址，可以从Baidu Drive或者仓库中获取。根据引用[2]中提供的信息，可以下载不同大小的TNN

文件，具体的文件命名和大小可以参考引用[2]中的列表。

引用[3]:在进行

v5的cmake时，可以考虑不导出anchors和anchor_grid，这样可以减小

文件的大小。根据引用[3]中的描述，修改后的

文件大小为6.5Mb。

综上所述，进行r

v5的cmake时，需要注意张量的维度是否符合NCNN的要求，并可以根据需要选择合适大小的TNN

文件。此外，可以考虑不导出anchors和anchor_grid来减小

文件的大小。具体的C++前后处理以及NMS的实现可以参考仓库的源码。

引用[.reference_title]

- *1* *2* *3* 工程详细记录：超准确人脸检测(带关键点)

5Face C++[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]

[ .reference_list ]

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/rfx/43636.html