#PS：要转载请注明出处，本人版权所有
#PS:这个只是 《 我自己 》理解，如果和你的
#原则相冲突，请谅解，勿喷
时间：2018.07.18
ncnn master commit id:b3e24cafc37483dcc97ee61e6f0f6ff1b094300e
前序
最近一段时间全在ncnn这个框架上折腾，现在有一点空闲时间，对之前的东西做一个总结。这里主要是对ncnn的参数加载做一个简要的分析。
格式分析（主要基于其源码）
前置的一些内容
核心加载参数的代码如图所示：
这里靠一个for循环遍历所有在load_param中已经注册好的网络，每个特殊的网络继承于Layer基类，此类有以下的重要接口：
分别是加载模型，和加载网络，以及前向计算。
model文件对应的param文件举例
虽然在load_model中，遍历每一层layer，其会调用基类或者当前类的load_model，这里和load_param唯一的区别是，某些layer没有任何参数，但是还是会调用一遍基类的load_model（是一个空函数）。
对于上图来说，Input 、Pooling 等层是没有任何参数的。但是Convolution层就有参数，在convolution.cpp中，就会实现一个具体的load_model方法覆盖父的load_model，其实现如下图：
基于上图的Convolution层分析
首先我们知道，在此层中，load_model 调用了mb.load加载具体的参数
这里的参数分为三类：
1 float32
相关读取如下：
2 float16
相关读取如下：
3 int8 的量化类型
这里重点介绍 int8的量化类型，其他的都是按照字节对齐的size进行读取
它会先读量化表（256的float数组）
然后读取量化表的索引
最后根据索引引索量化表，并建立mat数组，并返回
总结
对于不同的层，参数含义不太一样，若有需求，可针对分析。上文例子中，参数主要是卷积层的权重（weight），以及偏移量（blas）
#PS：请尊重原创，不喜勿喷
#PS：要转载请注明出处，本人版权所有.
有问题请留言，看到后我会第一时间回复