LV.1

QiuJiang

106积分8赞

5 帖子 23 回复 3 收藏

TA的动态

TA的帖子

TA的回复

torch.jit.trace生成离线模型报错 我的回复：您好，抱歉之前漏掉这个问题的回复。我们仔细查看了报错信息，没有明确报错的位置，通过回复中粘贴的代码因为缺少 src.models 源码而无法复现，如果您目前仍然需要解决此问题：1、请将整个源码包提交给我们；2、请告知你的SDK版本；3、请告知你的加速卡硬件型号。 0

模型在融合模式下报错 我的回复：#3QiuJiang回复你好，步骤看上去没有问题。如果方便，请重新开一个贴，上传您的所有代码和模型文件，我们内部调试一下问题。也可将您的代码上传至github/百度云等我们可以下载的地方。方便快速解决，请重新开贴提供下载链接并描述清楚问题。 0

模型在融合模式下报错 我的回复：#2mcj回复[图片][图片]你好，步骤看上去没有问题。如果方便，请重新开一个贴，上传您的所有代码和模型文件，我们内部调试一下问题。 0

mlu270与370驱动能否共存 我的回复：#5誓约回复目的：想装370的驱动驱动包名称：cambricon-mlu-driver-ubuntu18.04-dkms_4.20.7_amd64.deb操作系统版本号：gcc version 7.5.0 (Ubuntu 7.5.0-3ubuntu1~18.04)操作系统kernel: Linux version 5.4.0-107-generic (buildd@lcy02-amd64-070)CPU: x86_64 GNU/Linux[图片]展开看上去是因为您的系统内核版本太高了，驱动包支持情况：• CentOS 系统，驱动安装包名称为 cambricon‑mlu‑driver‑centos*‑***‑1.x86_64.rpm, 支持 CentOS 7.4（3.10.0‑693）、CentOS 7.6（3.10.0‑957）。 • Ubuntu 系统和 Debian 系统，驱动安装包名称为 cambricon‑mlu‑driver‑ubuntu**‑ dkms_***_amd64.deb，支持 Ubuntu 16.04（4.4.0‑112）、Ubuntu 18.04（4.15.0‑32）、Debian 10.1（4.19.0‑6）、Debian 9.8（4.14.138）。请您根据要求重新安装一下系统内核。 0

yolov5 int8量化后，再逐层，精度下降明显； 我的回复：#3htujun回复你好，谢谢你的答复，请问下这种情况是训练样本含有太多极小、小目标所导致的吗，我的理解是模型的参数偏向极小、小目标，且已经出现极端倾向性，导致int8后出现的参数出现较大跳跃，出现一定偏差导致，个人认为是这样，您认为具体原因是什么。展开从您的截图看，小目标的确很多，在经过网络的下采样之后，小目标的特征相对整张图的特征来说会更加不明显，在int8量化之后进一步降低了小目标特征的精度，所以出现了int8量化之后容易漏检的情况。目前除了int16暂时也没有更好的方法可以提高精度，寒武纪提供的量化方式里面还包含了eqnm量化方法，不敢保证对这种情况有用，但您有时间的话也可以尝试一下（文档：https://www.cambricon.com/docs/pytorch/pytorch_11_tools/Pytorch_tools.html?highlight=eqnm#id3 搜索关键词 eqnm ），他是一种开源的方法，可以网上了解其原理。 0

insmod cambricon-drv.ko模块出错Invalid parameters 我的回复：是270的卡吗？lspci | grep 0270 查看是否掉卡了，如果掉卡有几种可能：2) 板卡散热不好，超温导致掉卡；2）机器pcie插槽老化，建议换插槽/服务器试试。 0

模型在融合模式下报错 我的回复：请将你的python代码截图上来，我们看看跑逐层和融合的过程是否正确。 0

mlu内存分配失败 我的回复：请查看代码是否有内存泄漏，分配内存失败前后，请cnmon观察内存使用情况。 0

yolov5 int8量化后，再逐层，精度下降明显； 我的回复：你好，针对小目标较多的场景，int8量化确实会带来一些比较明显的精度误差，这种情况建议使用int16，同时在量化时多使用几张真实图片去做量化（例如20张） 0

多卡推理 我的回复：你好，270目前不支持大模型推理，感谢你的使用。 0

上一页 1 2 3 4 5 6 7 8 9 10 ..12 下一页