2.6.2版本 + 2433 的bugfix，Vulkan Image模式（-DMNN_VULKAN_IMAGE=ON）的误差很小了，但是性能很差了，符合预期吗

[cmelody999]

平台(如果交叉编译请再附上交叉编译目标平台):

Platform(Include target platform as well if cross-compiling):

Github版本:

Github Version:

直接下载ZIP包请提供下载日期以及压缩包注释里的git版本(可通过7z l zip包路径命令并在输出信息中搜索Comment 获得，形如Comment = bc80b11110cd440aacdabbf59658d630527a7f2b)。 git clone请提供 git commit 第一行的commit id

Provide date (or better yet, git revision from the comment section of the zip. Obtainable using 7z l PATH/TO/ZIP and search for Comment in the output) if downloading source as zip,otherwise provide the first commit id from the output of git commit

编译方式:

Compiling Method

请在这里粘贴cmake参数或使用的cmake脚本路径以及完整输出
Paste cmake arguments or path of the build script used here as well as the full log of the cmake proess here or pastebin

编译日志:

Build Log:

粘贴在这里
Paste log here or pastebin

2.6.2版本 + #2433 的bugfix（#2542 ），Vulkan Image模式（-DMNN_VULKAN_IMAGE=ON）的误差很小了，但是性能很差了，符合预期吗

[jxt1234]

precision 是?
建议优先用 OpenCL ，优化投入较多

[cmelody999]

16位的模型，cost是ms

[jxt1234]

运行性能与模型无关，主要是 precision 设的是 normal / high / low ?

[jxt1234]

有用 benchmark.out 测试过么？

[cmelody999]

backendConfig.precision = MNN::BackendConfig::Precision_Low

[cmelody999]

有用 benchmark.out 测试过么？

benchmark.out测试方法有文档么

[jxt1234]

https://mnn-docs.readthedocs.io/en/latest/tools/benchmark.html

[qiankl]

2.7.0 vulkan推理误差变小了，速度问题还没有解决是吗

[jxt1234]

这个模型到后面尺寸较大，被 vulkan image 拆成了很多份 image ，执行效率下降。速度问题由于 厂商加速相关扩展主要在 opencl ，mnn 主要基于 opencl 优化，建议都优先使用 opencl 。mnn vulkan 主要是启动性能上有优势。