LV.1

徐浩然

68积分10赞

1 帖子 23 回复 6 收藏

TA的动态

TA的帖子

TA的回复

yolov5-face转离线模型报错 我的回复：#2风的使者回复改完还是一样的报错看起来您这个应该是来自于下面的repodeepcam-cn/yolov5-face: YOLO5Face: Why Reinventing a Face Detector (https://arxiv.org/abs/2105.12931) (github.com)这个地方是属于后处理的部分，不知道您有没有尝试过将后处理部分替换为我们的大算子实现，原始yolov5的后处理我们是有部分算子不支持的 0

yolov5的detect算子问题 我的回复：目前python的接口暂时没有提供类似的接口，可以通过将第三个设置为torch.zeros((1,255,80,80)).to(ct.mlu_device())类似这样的0向量来避免影响结果 0

yolov5-face转离线模型报错 我的回复：full_like这里是生成了一个在cpu上的tensor，需要使用to(ct.mlu_device())将其转到mlu上才能正常使用 0

【经验总结】Yolov5移植流程指南 我的回复：#10陈叶飞回复谢谢. 不过可能我没有表达清楚, 我的疑问是最终生成的.cambricon(_twin)文件中, Shape(dim)这块儿batch_size的选取对最终性能有啥影响?展开对于yolov5s这种小网络来说，batchsize是越大性能越好的，随着模型增大或者输入尺寸增大，batchsize的提升对性能的提升会逐渐降低。 10

【经验总结】Yolov5移植流程指南 我的回复：#8陈叶飞回复了解, 另外请问下, 生成offline模型时, batch_size的选取对结果的影响, 对于yolov5s一般会怎样设置以达到最优性能?展开这个一般选取4的倍数越大越好，到达性能极限时提升会变得非常缓慢，然后选一个比较合适的batch_size即可 10

【经验总结】Yolov5移植流程指南 我的回复：#2陈叶飞回复您好, 能否分享下yolov5各个版本在mlu270上的offline推理速度, 即单个图像推理时间?您好，由于yolov5的版本太多，以及输入形状可变，我这边没有做太多的测试，不过yolov5在mlu上的优化一般需要通过用conv替换focus层，以及搜索cnml最佳配置来获取 10