开发者论坛

全部回复

LV.6 #8 三叶虫回复

您好，因已超过30天，您侧未更新回复信息，此帖超时关闭，后续遇到问题，请您发起新帖，版主会及时分析处理。

2022-09-13 15:56:44 0| 回复

LV.3 #7 zhangyanting回复

#6palmful回复

你好，加完之后还是报同样的错误，加完之后的代码如下：[图片]

您好，在执行pred=quantized_net(img)[0]之前，加一段

quantized_net.to(ct.mlu_device())
trace_input = torch.randn(batch_size, 3, 640, 640,dtype=torch.float)
trace_input=trace_input.half()
trace_input=trace_input.to(ct.mlu_device())
quantized_net = torch.jit.trace(quantized_net, trace_input, check_trace = False)

试试。

2022-08-08 14:31:24 0| 回复

LV.1 #6 palmful回复
#5zhangyanting回复
您好，指令用 python test_yolov5.py --weights yolov5s_int8.pt --arg mlu --jit True代码改成：[代码]这样试一下
展开
你好，加完之后还是报同样的错误，加完之后的代码如下：
2022-08-08 12:00:53 0| 回复

LV.3 #5 zhangyanting回复

#4palmful回复

你好，其实报错的代码中我已经加上这一句了，但还是不太行[图片]

您好，指令用 python test_yolov5.py --weights yolov5s_int8.pt --arg mlu --jit True

代码改成：

elif opt.arg == 'mlu':
    quantized_net.eval()
    ct.set_device(-1)
    device = ct.mlu_device()

这样试一下

2022-08-04 20:11:34 0| 回复

LV.1 #4 palmful回复

#3zhangyanting回复

您好，我查询了下，2xx系列的模型可以在cpu上进行融合，但之后的调试依旧得依赖MLU卡，您尝试在融合之前增加一行代码：ct.set_device(-1)

展开

你好，其实报错的代码中我已经加上这一句了，但还是不太行

2022-08-03 16:03:20 0| 回复

LV.3 #3 zhangyanting回复
#2palmful回复
好的，感谢回复，那能不进行模型融合直接进行模型转换么？或者换句话说可以在自己电脑（无寒武纪卡）上进行离线模型转换么？
展开
您好，我查询了下，2xx系列的模型可以在cpu上进行融合，但之后的调试依旧得依赖MLU卡，您尝试在融合之前增加一行代码：ct.set_device(-1)
2022-08-03 15:00:24 0| 回复
LV.1 #2 palmful回复
#1zhangyanting回复
您好，模型的融合操作只能通过MLU卡实现。
好的，感谢回复，那能不进行模型融合直接进行模型转换么？或者换句话说可以在自己电脑（无寒武纪卡）上进行离线模型转换么？
2022-08-03 10:49:28 0| 回复
LV.3 #1 zhangyanting回复

您好，模型的融合操作只能通过MLU卡实现。

2022-08-03 10:17:34 0| 回复

请登录后评论