6.4.1. 发布物介绍¶
6.4.1.1. 模型量化示例包 horizon_model_convert_sample¶
注解
OE包默认不携带示例对应的校准数据集和原始模型，您需要在对应的示例文件夹内执行 00_init.sh 获取当前示例所需的模型和校准数据集。
全部示例的原始模型和数据集获取完成后的模型转换示例包的目录结构如下所示：
├── 01_common # 此路径包含PTQ示例包通用脚本和数据
| ├── calibration_data # 校准数据
| ├── data -> /data/horizon_j5/data/ # 用于放置公共数据集的软链接
| ├── model_zoo -> ../../../model_zoo # 用于放置模型发布物的软链接
| ├── python
| ├── README.md
| ├── test_data
| └── tools
├── 02_preq_examples
| ├── 01_fcos_efficientnetb0
| ├── 02_fcos_efficientnetb2
| ├── 03_fcos_efficientnetb3
| ├── det_evaluate.py
| ├── det_inference.py
| ├── seg_evaluate.py
| └── seg_inference.py
├── 03_classification # 算法模型示例
| ├── 01_mobilenet
| ├── 02_googlenet
| ├── 03_resnet18
| ├── 05_efficientnet_lite0_onnx
| ├── 06_efficientnet_lite1_onnx
| ├── 07_efficientnet_lite2_onnx
| ├── 08_efficientnet_lite3_onnx
| ├── 09_efficientnet_lite4_onnx
| ├── 10_vargconvnet
| ├── 11_efficientnasnet_m
| ├── 12_efficientnasnet_s
| ├── cls_evaluate.py
| └── cls_inference.py
├── 04_detection
| ├── 01_yolov2_darknet19
| ├── 02_yolov3_darknet53
| ├── 03_yolov5x
| ├── 04_ssd_mobilenetv1
| ├── 05_efficientdetd0
| ├── 06_centernet_resnet101
| ├── 07_fcos_efficientnetb0
| ├── 08_yolov4
| ├── 09_yolov3_vargdarknet
| ├── 10_fcos_resnet50
| ├── 11_fcos_resnext101
| ├── det_evaluate.py
| └── det_inference.py
├── 05_miscellaneous
| ├── 01_lenet_gray
| ├── 02_resnet50_feature
| ├── 03_vector_diff
| ├── 04_multi_input_example
| ├── 07_model_verifier
| ├── 08_model_info
| ├── 09_mobilenet_bgr
| ├── 11_mobilenet_yuv444
| └── mis_inference.py
├── 06_custom_op
| └── mapper
├── 07_segmentation
| ├── 01_unet_mobilenet
| ├── 02_deeplabv3plus_efficientnetb0
| ├── 03_fastscnn_efficientnetb0
| ├── 04_deeplabv3plus_dilation1248
| ├── 05_deeplabv3plus_efficientnetm1
| ├── 06_deeplabv3plus_efficientnetm2
| ├── seg_evaluate.py
| └── seg_inference.py
└── data_preprocess.py
示例包中包含的主要内容：
常见算法模型示例是指 02_preq_examples/ 、 03_classification/ 、 04_detection/ 和 07_segmentation/ 文件夹中的示例。
这些示例的主要目标是指导：
快速体验模型转换的流程。
快速评测模型转换的精度。
体验转换的效果。
其他算法模型示例是指 05_miscellaneous/ 和 06_custom_op/ 文件夹中的示例。
05_miscellaneous，杂项示例，指导用户使用地平线算法工具链提供的一些其他内容。 比如：如何使用地平线模型转换工具，使rgb数据训练的模型能在runtime运行时接受yuv数据。03_vector_diff指导用户如何使用vec_diff工具来定位问题的一个示例。06_custom_op/为用户自定义OP示例，帮助用户了解如何在模型含有工具链不支持的算子的情况下添加自定义算子的功能。
注解
这部分示例会不定期更新，为您常见的问题提供示例解答。
6.4.1.2. 模型发布物 model_zoo¶
model_zoo 包含两个路径： mapper 和 runtime。
其中 mapper 路径下包含了PTQ和QAT方案进行模型转换时要使用的模型（ONNX或Caffe格式的浮点模型），
其中fcos_efficientnetb0、fcos_efficientnetb2和fcos_efficientnetb3为QAT模型，其余为PTQ模型；
runtime 路径下包含了嵌入式运行时开发要使用的bin模型。
以下仅展示PTQ和QAT示例要使用的模型发布物：
├── classification
│ ├── efficientnasnet
│ │ ├── efficientnasnet-m.onnx
│ │ ├── efficientnasnet.onnx
│ │ └── efficientnasnet-s.onnx
│ ├── efficientnet_lite_onnx
│ │ ├── efficientnet_lite0_fp32.onnx
│ │ ├── efficientnet_lite1_fp32.onnx
│ │ ├── efficientnet_lite2_fp32.onnx
│ │ ├── efficientnet_lite3_fp32.onnx
│ │ └── efficientnet_lite4_fp32.onnx
│ ├── googlenet
│ │ └── googlenet.onnx
│ ├── mobilenet
│ │ ├── mobilenet.caffemodel
│ │ ├── mobilenet_deploy.prototxt
│ │ ├── mobilenet_v2.caffemodel
│ │ └── mobilenet_v2_deploy.prototxt
│ ├── mobilenet_onnx
│ │ └── mobilenetv2.onnx
│ ├── resnet18
│ │ ├── resnet18.caffemodel
│ │ └── resnet18_deploy.prototxt
│ ├── resnet50
│ │ ├── resnet_50.caffemodel
│ │ └── resnet_50_deploy.prototxt
│ ├── se_resnet_gray_onnx
│ │ └── se_resnet_gray.onnx
│ └── vargnet
│ └── vargconvnet.onnx
├── custom_op
│ └── custom_op.onnx
├── detection
│ ├── centernet
│ │ ├── centernet_resnet101_coco.onnx
│ │ └── centernet_resnet50.onnx
│ ├── efficientdetd0
│ │ └── efficientdet_nhwc.onnx
│ ├── fcos_efficientnetb0
│ │ ├── fcos_effb0.onnx
│ │ ├── fcos_efficientnetb0.onnx
│ │ └── fcos.onnx
│ ├── fcos_efficientnetb3
│ │ └── fcos_effb3.onnx
│ ├── fcos_resnet50
│ │ └── fcos_resnet50.onnx
│ ├── fcos_resnext101
│ │ └── fcos_resnext101.onnx
│ ├── ssd_mobilenetv1
│ │ ├── mobilenet_iter_73000.caffemodel
│ │ └── MobileNetSSD_deploy.prototxt
│ ├── yolov2_darknet19
│ │ ├── README.md
│ │ ├── yolov2.caffemodel
│ │ └── yolov2_transposed.prototxt
│ ├── yolov3_darknet53
│ │ ├── README.md
│ │ ├── yolov3.caffemodel
│ │ └── yolov3_transposed.prototxt
│ ├── yolov3_vargdarknet
│ │ └── yolov3_vargdarknet53.onnx
│ ├── yolov4
│ │ └── yolov4_efficientnetb0.onnx
│ └── yolov5_onnx_optimized
│ ├── YOLOv5l.onnx
│ ├── YOLOv5m.onnx
│ ├── YOLOv5s.onnx
│ └── YOLOv5x.onnx
├── other
│ ├── fcos_efficientnetb0
│ │ └── fcos_efficientnetb0_qat.onnx
│ ├── lenet
│ │ ├── lenet_iter_100000.caffemodel
│ │ └── lenet_train_test.prototxt
│ ├── mobilenetv2_three_inputs
│ │ ├── mobilenetv2_three_inputs.caffemodel
│ │ └── mobilenetv2_three_inputs.prototxt
│ ├── multi_type
│ │ └── original_float_model.onnx
│ ├── resizer_model
│ │ └── resizer_model.onnx
│ └── resnet50_feature
│ ├── resnet50_feature.caffemodel
│ ├── resnet50_feature_deploy.prototxt
│ ├── resnet50_pre.caffemodel
│ └── resnet50_pre.prototxt
├── preq_examples
│ └── fcos_efficientnet
│ ├── fcos_eff_b0.onnx
│ ├── fcos_eff_b2.onnx
│ └── fcos_eff_b3.onnx
└── segmentation
├── deeplabv3plus_efficientnetb0
│ ├── deeplabv3_cityscapes_dila1248_permute.onnx
│ └── deeplabv3plus_efficientnetb0.onnx
├── deeplabv3plus_efficientnetm
│ ├── deeplabv3plus_efficientnetm1.onnx
│ └── deeplabv3plus_efficientnetm2.onnx
├── fastscnn_efficientnetb0
│ └── fastscnn_efficientnetb0.onnx
├── mobilenet_unet
│ └── tf_unet_trained.onnx
└── unet_mobilenet
└── tf_unet_trained.onnx
注意
此目录树是完整结构展示，实际上OE包并没有直接携带所有的模型。
下一小节内容将为您介绍算法模型示例相关的内容。