开发者论坛

全部回复

LV.3 #9 洛北回复

2021-10-13 14:15:17 0| 回复
LV.3 #8 doraiba2022回复
#4cpj回复
也就是说我我得再搞块MLU270的卡专用用于模型转换
是的，需要在MLU270上生成离线模型
2021-09-29 21:35:13 0| 回复

LV.2 #7 lanhao回复

#6cpj回复

明白了，也就是拿yolov5s_1.3a.pt模型，进行量化和推理，在推理的过程中就可以转为离线模型进行保存。

展开

是的

2021-09-29 19:30:54 0| 回复

LV.1 #6 cpj回复
#5lanhao回复
目前github上的官方模型都是基于torch1.7的，我们的sdk是torch1.3, 所以需要将官方的原始模型转换为torch1.3的模型
展开
明白了，也就是拿yolov5s_1.3a.pt模型，进行量化和推理，在推理的过程中就可以转为离线模型进行保存。
2021-09-29 18:59:26 0| 回复

LV.2 #5 lanhao回复

#3cpj回复

您好！  我参照的是这个文档https://developer.cambricon.com/index/curriculum/expdetails/classid/8/id/10.html
-3. 模型量化 ”对已有的yolov5s_1.3a.pt模型文件进行量化“ ---这个里面的yolov5s_1.3a.pt是怎么来的？是要基于Cambricon-PyTorch来训练，还是可以直接通过原生的yolov5s.pt进行转换

展开

目前github上的官方模型都是基于torch1.7的，我们的sdk是torch1.3, 所以需要将官方的原始模型转换为torch1.3的模型

2021-09-29 18:55:09 0| 回复

LV.1 #4 cpj回复

#2zhaodeming回复

第(2)个问题中，在mlu220上进行离线推理，需要使用MLU270的硬件环境进行离线模型生成（因为220没有相应的SDK，只能进行推理功能）。另外，cpu不能直接转换生成离线模型，需要使用以下语句进行配合生成。  quantized_net = torch.jit.trace(quantized_net, trace_input, check_trace = False)pred = quantized_net(trace_input)

展开

也就是说我我得再搞块MLU270的卡专用用于模型转换

2021-09-29 09:42:04 0| 回复

LV.1 #3 cpj回复
#1zhaodeming回复
您好，第(1)个问题中的移植说明是指哪个文件呢，另外能否再详细的描述下这个问题呢
您好！我参照的是这个文档https://developer.cambricon.com/index/curriculum/expdetails/classid/8/id/10.html -3. 模型量化 ”对已有的yolov5s_1.3a.pt模型文件进行量化“ ---这个里面的yolov5s_1.3a.pt是怎么来的？是要基于Cambricon-PyTorch来训练，还是可以直接通过原生的yolov5s.pt进行转换
2021-09-29 09:38:07 0| 回复
LV.3 #2 doraiba2022回复

第(2)个问题中，在mlu220上进行离线推理，需要使用MLU270的硬件环境进行离线模型生成（因为220没有相应的SDK，只能进行推理功能）。另外，cpu不能直接转换生成离线模型，需要使用以下语句进行配合生成。 quantized_net = torch.jit.trace(quantized_net, trace_input, check_trace = False)
pred = quantized_net(trace_input)

2021-09-28 20:22:42 0| 回复
LV.3 #1 doraiba2022回复

您好，第(1)个问题中的移植说明是指哪个文件呢，另外能否再详细的描述下这个问题呢

2021-09-28 20:18:06 0| 回复

请登录后评论