你好, 我使用magicmind v0.6.0的官方镜像,参考magicmind_cloud: MLU云端产品的Magicmind推理模型集合 - Gitee.com对https://github.com/onnx/models/blob/main/vision/classification/resnet/model/resnet50-v1-12.onnx进行复现导出的qint8_mixed_float32精度的模型性能测试数据如下;(batch_size=16)[图片]展开
你好, 我使用magicmind v0.6.0的官方镜像,参考magicmind_cloud: MLU云端产品的Magicmind推理模型集合 - Gitee.com对https://github.com/onnx/models/blob/main/vision/classification/resnet/model/resnet50-v1-12.onnx进行复现导出的qint8_mixed_float32精度的模型性能测试数据如下;(batch_size=16)[图片]展开
在你们官网上当前已经不提供了 magicmind v0.6.0, Refer to SDK-Download (cambricon.com) . 以非正式 Release 版本来提供测试结果这种回复方式合理吗?
我这边根本无法对你提供的测试结果进行回归验证!!!
我的问题是
1. 基于 magicmind_v1.5.0,你们是否已经复现 ResNet50 性能差的问题?
2. 如果已经复现,那么性能差的原因是什么?
根据你这边提供的 gitee demo 步骤生成的模型性能更差了,这是在magicmind v1.15.0 环境下测出来的。
我的问题 3. 这次测试性能差是与 magicmind 版本有关还是我的测试方法有问题?
我这边最新的测试现象 1. 无论是 gitee 上的提供的步骤将 resnet50-v1-7.onnx 或 resnet50-v1-12.onnx 转成 magicmind 模型, 接着使用 mm_run 测试模型性能,性能更差了!
resnet50-v1-7.onnx 效果如下
resnet50-v1-12.onnx 效果如下
有人可以回复一下吗?
你好,
我使用magicmind v0.6.0的官方镜像,参考magicmind_cloud: MLU云端产品的Magicmind推理模型集合 - Gitee.com对https://github.com/onnx/models/blob/main/vision/classification/resnet/model/resnet50-v1-12.onnx进行复现
导出的qint8_mixed_float32精度的模型性能测试数据如下;(batch_size=16)
请登录后评论