ncnn param文件及bin模型可视化解析

最新推荐文章于 2025-03-17 08:10:10 发布

HySmiley

最新推荐文章于 2025-03-17 08:10:10 发布

阅读量4.8k

点赞数 4

分类专栏： # ncnn推理 # 部署深度学习文章标签：深度学习

本文链接：https://blog.youkuaiyun.com/m0_37264397/article/details/124184227

版权

深度学习同时被 3 个专栏收录

30 篇文章

订阅专栏

ncnn推理

8 篇文章

订阅专栏

部署

7 篇文章

订阅专栏

本文详细介绍了深度学习模型的param文件与bin文件的关系，重点解析了Convolution层的参数含义，包括输入输出通道数、卷积核大小、步长、填充等，并提及使用netron工具进行可视化。此外，还提及了nn.Conv2d函数的初始化参数，帮助理解模型参数与实际编程的联系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

param文件

内容

第一行【7767517】版本信息

第二行【79 87】layer数及blob数

layer数指：input、Convolution、BatchNorm、ReLU。。。等数目

其实就是打开文件时去除前两行剩余行数即81-2=79

blob数指中间产生结构分支等数目。

bin文件可视化

用netron打开

param文件与bin模型网络结构对应关系

具体对应关系如Convolution 层：

Convolution ：层类型
Conv_0 ：层名称
1：输入数据结构数量
1：输出数据结构数量
input ：网络输入层名
123 ：网络输出层名output（部分结构层名由数字代替）
0=64：输出通道数-num_output
1=7 、11=7：卷积核尺寸-kernel_h/kernel_w
2=1、 12=1 ：扩大-dilation_h/dilation_w
3=2、 13=2 ：步长-stride_h/stride_w
4=3、 14=3 ：pad-left /pad-right
15=3、 16=3 :pad-top/pad-bottom
5=0 :bias-term
6=9408（7*7*64*3) 总参数量k*k*in*out

以key=value形式说明，其中1=7,11=7都表示卷积核，第二个key值+10用以区分，步长、pad类似

本质上是卷积层函数参数

如nn.Conv2d函数
初始化参数
def __init__(
    self,
    in_channels: int,
    out_channels: int,
    kernel_size: _size_2_t,
    stride: _size_2_t = 1,
    padding: Union[str, _size_2_t] = 0,
    dilation: _size_2_t = 1,
    groups: int = 1,
    bias: bool = True,
    padding_mode: str = 'zeros',  # TODO: refine this type
    device=None,
    dtype=None
)