自己訓練模型效果變好差
您好，
目前在使用 KL720，並想要把自己訓練的 Yolo v5s 放進去進行推論，遇到了一些問題
我的流程是模仿下面這則討論，最後由 Jacky 總結的流程:
專門 for yolov5轉換成.nef的指南 — Kneron Developer Forums
並使用 KL720KnModelZooGenericImageInferenceYolov5.py 進行型推論，與後處裡
(其中無修改後處裡的範例 ExamplePostProcess.py)
另外在量化時，會將照片更改為後續推論使用的照片 (200張)
我的問題是當我用 coco128 來訓練時，表現看起來都蠻正常的。
但是當我使用其他更大型的 dataset 訓練時，同樣的流程得到的結果卻非常糟
我有嘗試建議調整的，但看起來沒什麼效果
-量化的資料(例:圖片)。我們推薦使用100筆資料，需要有多樣性，且要與當初訓練時用的資料有關聯
-km.analysis的參數，像是將datapath_bitwidth_mode和weight_bitwidth_mode從int8調整成int16
想詢問是哪裡可能出問題，
謝謝~~
Comments
您好，
在使用Kneron PLUS測試KL720的nef模型之前，可以先使用Toolchain上的E2E Simulator來比較您的onnx模型，bie模型，以及nef模型的inference結果 (onnx模型也可以去用ONNX Runtime去跑)，檢查是從哪一個模型開始會有不正常的結果。
參考文檔: 5. Compilation - Document Center