对于海思35xx上nnie配套的软件及工具链仅支持Caffe框架，且以Caffe-1.0版本为基础。因此若想在nnie硬件上进行推理的话，需先将模型转换为Caffe-1.0框架的模型（若模型直接由Caffe-1.0框架训练出来的话，忽略此步骤），然后由nnie配套软件工具nniemapper将转换后的模型生成nnie硬件能够识别的.wk文件。
ps：由于现在主流模型训练框架为：pytorch、tensorflow、Mxnet、darknet等，Caffe-1.0框架使用不多，因此大部分情况下的算法模型都需要进行转换。
这里讨论的是基于darknet训练出来的yolov3模型转换成caffemodel。
在data中可以看到配置文件（.cfg）分两种：func(function功能)和inst(instruction指令)，分别代表功能级别的仿真配置与指令级别的仿真配置。功能级别的仿真，较简单，主要为功能的模拟，仿真耗时较少；指令级别的仿真，一定程度上等同于硬件NNIE上的模拟，仿真耗时较多。这两种级别仿真分别能够生成各自的.wk文件，能下载到硬件上运行的为指令级别仿真生成的.wk文件。
选中.cfg文件，右击openwith选择MapperConfigurationEditor
nniemapper的输入包括两个部分：
prototxt：caffe定义网络结构是用protobuf格式写的.prototxt文件
caffemodel：.Caffemodel是使用caffe框架训练网络时，最终生成一个二进制文件。里面存储了模型的参数包括权重和偏置等信息，还存储了整个训练网络的结构信息，即.prototxt信息（.Caffemodel文件包含有.prototxt）
这两个文件，都可以在工程data->detection->yolov3->model文件夹下找到，也可以自己手动生成。
（不少算法都是用预训练模型在自己数据上微调，即加载“caffemodel”作为网络初始参数取值，然后在此基础上更新。使用方式往往是：同时给定solver的prototxt文件，以及caffemodel权值文件，然后从solver创建网络，并从caffemodel读取网络权值的初值）
marked_prototxt：在加载nniemapper的两个输入文件和选择net_type后，RuyiStudio自动将加载的prototxt文件中nnie不支持的层修改为Custom层Proposal层，并生成一个标记后的prototxt文件。（对于yolov3而言，没有nnie不支持的层，因此加载的prototxt和marked_prototxt一样）
output_wk_name：生成的.wk文件的命名和保存位置。
batch_num：一次处理图片数，目前一次处理1张
spare_rate：稀疏率，进一步压缩模型，作用于全连接层（fullyconnectedlayers，FC），若值为0.5，则全连接层一半参数强制改为0，有负面作用：导致精度下降，影响准确度，一般不稀疏。
image_list：在做模型量化的时候，需要参考的一系列图片，这些图片应该能把要检测的目标类型覆盖，参考图片数量20-50张。
data_scale：值为1/255
.ini文件是仿真前的一个配置文件
1.是否需要层线性打印：使能后可以在指令仿真时输出caffe各层的中间线性结果
2.是否需要使用CUDA加速（若有GPU，安装CUDAv8.0以上版本能加快仿真速度）
3.是否需要指令的仿真
另外也有一种方式能够选择仿真类型：
4.是否需要性能仿真：若使能，必须使能指令仿真
在做模型转换或者仿真之前，需要注意的一点：选对SOCVersion
在.cfg和.ini都设置好，并保存后，开始点击按钮生成.wk文件