게임에서도 쓰이긴 한데 일반 MFC를 대체하는 용도로 쓰려면 어딜 봐야하나... ㅠㅠ
[링크 : https://www.libsdl.org/]
[링크 : https://wiki.libsdl.org/]
SDL 2.0은 zlib 라이선스
SDL 1.2 이전은 GNU LGPL 라이선스를 따름.
| sdl tutorial (0) | 2022.05.27 |
|---|---|
| libsdl + mfc (0) | 2017.02.09 |
| SDL - Simple DirectMedia Layer (0) | 2011.12.12 |
아따 빡세다 -_-
컴파일 하는데 libz.so.1이 없다고 하는데
아마도.. 64bit ubuntu라 32bit 용 libz가 없다고 배쨰는 듯
| /home/minimonk/work/tools/arm-bcm2708/gcc-linaro-arm-linux-gnueabihf-raspbian/bin/../libexec/gcc/arm-linux-gnueabihf/4.8.3/cc1plus: error while loading shared libraries: libz.so.1: cannot open shared object file: No such file or directory $sudo apt-get install lib32z1 |
[링크 : https://damedame.tistory.com/entry/libzso1-파일을-찾을수-없을때]
std::is_trivially_copyable은 c++11 표준이라 gcc 5.x 이상부터 지원하기 때문이라고
| In file included from /home/minimonk/work/tensorflow/tensorflow/lite/tools/make/downloads/ruy/ruy/frontend.h:30:0, from /home/minimonk/work/tensorflow/tensorflow/lite/tools/make/downloads/ruy/ruy/ruy.h:23, from ./tensorflow/lite/kernels/cpu_backend_gemm_ruy.h:21, from ./tensorflow/lite/kernels/cpu_backend_gemm.h:25, from ./tensorflow/lite/kernels/internal/optimized/optimized_ops.h:45, from tensorflow/lite/kernels/audio_spectrogram.cc:24: /home/minimonk/work/tensorflow/tensorflow/lite/tools/make/downloads/ruy/ruy/create_trmul_params.h: In function ‘void ruy::detail::FinalizeMulParams(const ruy::MulParams<AccumScalar, DstScalar>&, ruy::ChannelDimension, ruy::Ctx*, ruy::TrMulParams*)’: /home/minimonk/work/tensorflow/tensorflow/lite/tools/make/downloads/ruy/ruy/create_trmul_params.h:388:17: error: ‘is_trivially_copyable’ is not a member of ‘std’ static_assert(std::is_trivially_copyable<MulParamsType>::value, ""); ^ /home/minimonk/work/tensorflow/tensorflow/lite/tools/make/downloads/ruy/ruy/create_trmul_params.h:388:57: error: expected primary-expression before ‘>’ token static_assert(std::is_trivially_copyable<MulParamsType>::value, ""); ^ /home/minimonk/work/tensorflow/tensorflow/lite/tools/make/downloads/ruy/ruy/create_trmul_params.h:388:58: error: ‘::value’ has not been declared static_assert(std::is_trivially_copyable<MulParamsType>::value, ""); ^ |
[링크 : https://stackoverflow.com/questions/25123458/is-trivially-copyable-is-not-a-member-of-std]
예라이... -_-
| $ arm-linux-gnueabihf-g++ --version arm-linux-gnueabihf-g++ (crosstool-NG linaro-1.13.1-4.8-2014.01 - Linaro GCC 2013.11) 4.8.3 20140106 (prerelease) Copyright (C) 2013 Free Software Foundation, Inc. This is free software; see the source for copying conditions. There is NO warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. |
| $ sudo apt-get install gcc-arm-linux-gnueabihf g++-arm-linux-gnueabihf |
| tflite gpu openCL support build fail (0) | 2021.08.31 |
|---|---|
| tf lite cmake (0) | 2021.08.27 |
| tensorflow lite on rpi4 64bit (0) | 2021.06.30 |
| tensorflow delegate (0) | 2021.06.30 |
| tflite typed_tensor(), tensor() (0) | 2021.06.25 |
build_rpi_lib.sh를 통해 빌드 하려는데 에러 뿜뿜 -_-
그래서 makefile을 고쳐야 하나 멘붕이 와서 다시 찾아 보는데
| /bin/bash: arm-linux-gnueabihf-g++: command not found |
| ./tensorflow/lite/tools/make/build_aarch64_lib.sh |
[링크 : https://www.tensorflow.org/lite/guide/build_arm64?hl=ko]
| tf lite cmake (0) | 2021.08.27 |
|---|---|
| tensorflow cross compile (0) | 2021.07.01 |
| tensorflow delegate (0) | 2021.06.30 |
| tflite typed_tensor(), tensor() (0) | 2021.06.25 |
| tflite yolov4 (0) | 2021.06.14 |
전에 찾아볼때 대리자 이런게 있길래 그냥 넘겼는데
그래프 실행의 "일부" 또는 "전체"를 다른 실행자에게 넘기는 방법
오.. 그러면 전체 연산중에 일부만을 넘길수 있다면.. delegate를 이용해 분산 처리도 가능할지도?
| TensorFlow Lite 대리자는 그래프 실행의 일부 또는 전체를 다른 executor에 위임하는 방법입니다. |
NPU도 지원이 가능하다는데
|
[링크 : https://www.tensorflow.org/lite/performance/delegates?hl=ko]
cpp 로는 안되나.. android 8.1 이상 기기에서 쓸 수 있다고만 나오네
Android Neural Networks API(NNAPI)는 Android 8.1(API 레벨 27) 이상을 실행하는 모든 Android 기기에서 사용할 수 있습니다. 다음과 같은 하드웨어 가속기를 지원하는 Android 기기의 TensorFlow Lite 모델을 속도를 향상합니다.
|
[링크 : https://www.tensorflow.org/lite/performance/nnapi?hl=ko]
| tensorflow cross compile (0) | 2021.07.01 |
|---|---|
| tensorflow lite on rpi4 64bit (0) | 2021.06.30 |
| tflite typed_tensor(), tensor() (0) | 2021.06.25 |
| tflite yolov4 (0) | 2021.06.14 |
| tensorflow lite yolov4 (0) | 2021.06.10 |
-O3 하면 자동으로 -ftree-vectorize가 추가되었다고.
아무튼 연산만 하고 출력을 안하니 사용하지 않는 코드로 해서 vadd가 안나와서 한참을 헤맸네..
| $ g++ -O3 -mavx autovector.cpp -fopt-info-vec-all autovector.cpp:22:22: missed: couldn't vectorize loop autovector.cpp:25:19: missed: not vectorized: complicated access pattern. autovector.cpp:23:21: missed: couldn't vectorize loop autovector.cpp:25:14: missed: not vectorized: complicated access pattern. autovector.cpp:16:23: optimized: loop vectorized using 32 byte vectors autovector.cpp:10:5: note: vectorized 1 loops in function. autovector.cpp:15:43: missed: statement clobbers memory: now = std::chrono::_V2::system_clock::now (); autovector.cpp:27:77: missed: statement clobbers memory: D.189348 = std::chrono::_V2::system_clock::now (); autovector.cpp:28:2: missed: statement clobbers memory: __assert_fail ("result[2] == ( 2.0f + 0.1335f)+( 1.50f*2.0f + 0.9383f)-(0.33f*2.0f+0.1172f)+3*(float)(noTests-1)", "autovector.cpp", 28, "int main()"); /usr/include/c++/9/ostream:570:18: missed: statement clobbers memory: std::__ostream_insert<char, std::char_traits<char> > (&cout, "CG> message -channel \"exercise results\" Time used: ", 51); /usr/include/c++/9/ostream:221:29: missed: statement clobbers memory: _46 = std::basic_ostream<char>::_M_insert<double> (&cout, _42); /usr/include/c++/9/ostream:570:18: missed: statement clobbers memory: std::__ostream_insert<char, std::char_traits<char> > (_46, "s, N * noTests=", 15); autovector.cpp:29:112: missed: statement clobbers memory: _35 = std::basic_ostream<char>::operator<< (_46, 2000000000); /usr/include/c++/9/ostream:113:13: missed: statement clobbers memory: std::endl<char, std::char_traits<char> > (_35); /usr/include/c++/9/iostream:74:25: missed: statement clobbers memory: std::ios_base::Init::Init (&__ioinit); /usr/include/c++/9/iostream:74:25: missed: statement clobbers memory: __cxa_atexit (__dt_comp , &__ioinit, &__dso_handle); |
| $ gcc -mcpu=native -march=native -Q --help=target The following options are target specific: -mabi= aapcs-linux -mabort-on-noreturn [disabled] -mandroid [disabled] -mapcs [disabled] -mapcs-frame [disabled] -mapcs-reentrant [disabled] -mapcs-stack-check [disabled] -march= armv7ve+vfpv3-d16 -marm [enabled] -masm-syntax-unified [disabled] -mbe32 [enabled] -mbe8 [disabled] -mbig-endian [disabled] -mbionic [disabled] -mbranch-cost= -1 -mcallee-super-interworking [disabled] -mcaller-super-interworking [disabled] -mcmse [disabled] -mcpu= cortex-a7 -mfix-cortex-m3-ldrd [disabled] -mflip-thumb [disabled] -mfloat-abi= hard -mfp16-format= none -mfpu= vfp -mglibc [enabled] -mhard-float -mlittle-endian [enabled] -mlong-calls [disabled] -mmusl [disabled] -mneon-for-64bits [disabled] -mpic-data-is-text-relative [enabled] -mpic-register= -mpoke-function-name [disabled] -mprint-tune-info [disabled] -mpure-code [disabled] -mrestrict-it [disabled] -msched-prolog [enabled] -msingle-pic-base [disabled] -mslow-flash-data [disabled] -msoft-float -mstructure-size-boundary= 8 -mthumb [disabled] -mthumb-interwork [disabled] -mtls-dialect= gnu -mtp= cp15 -mtpcs-frame [disabled] -mtpcs-leaf-frame [disabled] -mtune= -muclibc [disabled] -munaligned-access [enabled] -mvectorize-with-neon-double [disabled] -mvectorize-with-neon-quad [enabled] -mword-relocations [disabled] Known ARM ABIs (for use with the -mabi= option): aapcs aapcs-linux apcs-gnu atpcs iwmmxt Known __fp16 formats (for use with the -mfp16-format= option): alternative ieee none Known ARM FPUs (for use with the -mfpu= option): auto crypto-neon-fp-armv8 fp-armv8 fpv4-sp-d16 fpv5-d16 fpv5-sp-d16 neon neon-fp-armv8 neon-fp16 neon-vfpv3 neon-vfpv4 vfp vfp3 vfpv2 vfpv3 vfpv3-d16 vfpv3-d16-fp16 vfpv3-fp16 vfpv3xd vfpv3xd-fp16 vfpv4 vfpv4-d16 Valid arguments to -mtp=: auto cp15 soft Known floating-point ABIs (for use with the -mfloat-abi= option): hard soft softfp TLS dialect to use: gnu gnu2 |
[링크 : https://www.raspberrypi.org/forums/viewtopic.php?t=155461]
[링크 : https://www.codingame.com/playgrounds/283/sse-avx-vectorization/autovectorization]
+
| $ cat neon.c #include <stdio.h> void main() { int a[256]; int b[256]; int c[256]; int i; for(i = 0; i < 256; i++) { a[i] = b[i] + c[i]; } printf("%d %d %d\n", a[0], b[0], c[0]); } |
| $ gcc -O3 neon.c -mfpu=neon $ objdump -d a.out | grep v 10320: e1a01000 mov r1, r0 10328: e1a0300d mov r3, sp 1032c: f4610add vld1.64 {d16-d17}, [r1 :64]! 10330: f4622add vld1.64 {d18-d19}, [r2 :64]! 10334: f26008e2 vadd.i32 q8, q8, q9 10338: f4430add vst1.64 {d16-d17}, [r3 :64]! 10360: e3a0b000 mov fp, #0 10364: e3a0e000 mov lr, #0 1036c: e1a0200d mov r2, sp 1043c: e3a03001 mov r3, #1 10454: e1a07000 mov r7, r0 1046c: e1a08001 mov r8, r1 10470: e1a09002 mov r9, r2 10480: e3a04000 mov r4, #0 1048c: e1a02009 mov r2, r9 10490: e1a01008 mov r1, r8 10494: e1a00007 mov r0, r7 |
| $ gcc neon.c -mfpu=neon $ objdump -d a.out | grep v 10318: e3a0b000 mov fp, #0 1031c: e3a0e000 mov lr, #0 10324: e1a0200d mov r2, sp 103f4: e3a03001 mov r3, #1 10418: e3a03000 mov r3, #0 10490: e1a00000 nop ; (mov r0, r0) 104a4: e1a07000 mov r7, r0 104bc: e1a08001 mov r8, r1 104c0: e1a09002 mov r9, r2 104d0: e3a04000 mov r4, #0 104dc: e1a02009 mov r2, r9 104e0: e1a01008 mov r1, r8 104e4: e1a00007 mov r0, r7 |
-fopt-info-vec-all 추가. -all 때문인지 어마어마하게 나오네
-fopt-info-vec 으로만 하니 깔끔하게 vectorized 라고 뜬다.
| $ gcc neon.c -mfpu=neon -fopt-info-vec -O3 neon.c:10:2: note: loop vectorized |
| 구조체 타입과 변수명은 구분된다? (0) | 2021.11.18 |
|---|---|
| gcc unsigned to signed upcast 테스트 (0) | 2021.07.08 |
| gcc unsigned to signed cast (0) | 2021.06.22 |
| gcc %p (nil) (0) | 2021.05.07 |
| gcc -D 옵션 인자를 printf로 출력하기 (0) | 2021.04.08 |
정상적으로 작동하지 않아서 코드를 보는데, typed_tensor()라는 부분을 발견.
| typed_tensor (int tensor_index) T * Perform a checked cast to the appropriate tensor type (mutable pointer version). |
| tensor (int tensor_index) TfLiteTensor * Get a mutable tensor data structure. |
[링크 : https://www.tensorflow.org/lite/api_docs/cc/class/tflite/interpreter]
+
[링크 : https://github.com/tensorflow/tensorflow/.../tensorflow/lite/examples/label_image/label_image.cc]
+
2021.06.28
이거랑 상관없었음
| tensorflow lite on rpi4 64bit (0) | 2021.06.30 |
|---|---|
| tensorflow delegate (0) | 2021.06.30 |
| tflite yolov4 (0) | 2021.06.14 |
| tensorflow lite yolov4 (0) | 2021.06.10 |
| tensorflow lite interpreter->AllocateTensors() (0) | 2021.05.26 |
예전에는 문제없이 unsigned char에 대한 int 형으로의 캐스팅이 문제없이 되었던 것 같은데 안되서
C99나 C11의 영향인지 조금 더 찾아보는 중.
[링크 : https://gcc.gnu.org/onlinedocs/gcc/Characters-implementation.html#Characters-implementationl]
[링크 : https://gcc.gnu.org/onlinedocs/gcc/Integers-implementation.html]
[링크 : https://gcc.gnu.org/wiki/NewWconversion]
| gcc unsigned to signed upcast 테스트 (0) | 2021.07.08 |
|---|---|
| gcc vectorized loop (0) | 2021.06.30 |
| gcc %p (nil) (0) | 2021.05.07 |
| gcc -D 옵션 인자를 printf로 출력하기 (0) | 2021.04.08 |
| Auto-vectorization in GCC (0) | 2021.03.25 |
svn 처럼 git 에도 소스라인 단위로 누가 커밋한 건지 추적하는 기능이 없나 봤는데 있다!
| $ git blame 사용법: git blame [<옵션>] [<리비전-옵션>] [<리비전>] [--] <파일> <리비전-옵션>은 git-rev-list(1)에 설명되어 있습니다 --incremental 블레임 항목을 찾자마자 점진적으로 표시합니다 -b 가장자리 커밋에 대해 빈 SHA-1을 표시합니다 (기본값: 꺼짐) --root 최상위 커밋을 가장자리 커밋으로 취급하지 않습니다 (기본값: 꺼짐) --show-stats 작업 비용 통계를 표시합니다 --progress 강제로 진행 상황을 표시합니다 --score-debug 블레임 항목에 대해 출력 점수를 표시합니다 -f, --show-name 원래 파일 이름 표시 (기본값: 자동) -n, --show-number 원래 줄 번호 표시 (기본값: 하지 않음) -p, --porcelain 컴퓨터 처리용으로 설계된 형식으로 표시합니다 --line-porcelain 줄마다 커밋 정보가 표시되는 사용자용 형식으로 표시합니다 -c git-annotate와 동일한 형식을 사용합니다 (기본값: 꺼짐) -t 내부 형식으로 시각을 표시합니다 (기본값: 꺼짐) -l 길게 커밋 SHA1을 표시합니다 (기본값: 꺼짐) -s 작성자 이름과 시각을 표시하지 않습니다 (기본값: 꺼짐) -e, --show-email 작성자 이름 대신에 전자메일을 표시합니다 (기본값: 꺼짐) -w 공백 문자 차이점을 무시합니다 --indent-heuristic diff를 향상하는데 실험적인 휴리스틱을 사용합니다 --minimal 더 일치하는 항목을 찾는데 더 시간을 소모합니다 -S <파일> git-rev-list를 호출하는 대신 <파일>에서 리비전을 사용합니다 --contents <파일> <파일>의 내용을 최종 이미지로 사용합니다 -C[<점수>] 파일 내부와 파일 사이의 복사된 줄을 찾습니다 -M[<점수>] 파일 내부와 파일 사이의 옮겨진 줄을 찾습니다 -L <n,m> n,m줄 (1번 줄부터 시작) 사이의 범위만 처리 --abbrev[=<n>] SHA-1 표시에 <n>개의 숫자를 사용합니다 |
| git diff --staged (0) | 2022.09.05 |
|---|---|
| git reset 서버 commit (0) | 2021.09.14 |
| git pull rebase 설정 (0) | 2021.06.02 |
| git log --stat (0) | 2021.05.10 |
| git stash (0) | 2021.05.09 |
어우 언제 또 분석하냐 ㅠㅠ
[링크 : https://github.com/hunglc007/tensorflow-yolov4-tflite/blob/master/core/yolov4.py]
| tensorflow delegate (0) | 2021.06.30 |
|---|---|
| tflite typed_tensor(), tensor() (0) | 2021.06.25 |
| tensorflow lite yolov4 (0) | 2021.06.10 |
| tensorflow lite interpreter->AllocateTensors() (0) | 2021.05.26 |
| tflite common.h (0) | 2021.05.21 |
output 텐서의 차원에 대한 정보는 세개 변수에 저장된다.
| TfLiteType type; TfLiteIntArray* dims; size_t bytes; |
type은 개별 엘리먼트의 출력 포맷(float라던가 uint8 이라던가)의 변수 크기를 저장하고
dims.size 에는 몇 차원 텐서인지
dims.data[] 에는 차원별 갯수를 저장한다.
dims.size = 4
dims.data[] = [1 7 7 18] 식으로 저장되며
float32형이기에
1*7*7*18*sizeof(float) = 3528 byte로
해당 내용은 bytes에 저장된다.
| TfLitePtrUnion data; |
그리고 그 용량의 데이터는 data에 저장되어 접근을 하면 되는데..
차원을 어떻게 접근해야 하려나.. -_-
대충 label_image.cc 예제에서 이런 식으로 출력하면 okay
| printf("dims size[%d]\n",output_dims->size); for(int idx = 0; idx < output_dims->size; idx++) { printf("%d\t",output_dims->data[idx]); } printf("tensor pos bytes [%d]\n",interpreter->tensor(interpreter->outputs()[0])->bytes); printf("tensor per bytes [%d]\n",interpreter->tensor(interpreter->outputs()[1])->bytes); |
| tflite typed_tensor(), tensor() (0) | 2021.06.25 |
|---|---|
| tflite yolov4 (0) | 2021.06.14 |
| tensorflow lite interpreter->AllocateTensors() (0) | 2021.05.26 |
| tflite common.h (0) | 2021.05.21 |
| imx6q neon tensorlow lite (0) | 2021.05.10 |
|
