LV.1

Gaoyujia

92积分3赞

1 帖子 9 回复 0 收藏

TA的动态

TA的帖子

TA的回复

yolov5 量化参数加了firstconv = True 的量化后的离线模型，输入图片加载报错 我的回复：#14htujun回复你好,可以加个微信联系下吗,向您请教下,把问题解决了,这个问题很久没解决.可以，提供下您的帐号吧，我加您 0

cnstream无法调试debug版本的cns_launcher.cpp 我的回复：#4palmful回复你好，mlu270板卡，cnstream版本:V6.2.0，ubuntu20.04，使用官方cnstream动态库${CNSTREAM_DIR}/lib/*.so。测试同时推理两个视频文件(即在files.list_video中有两个demo.mp4）使用cmakelist编译cns_launcher.cpp，生成可执行文件，如果cmakelist中不加set(CMAKE_BUILD_TYPE "Debug")这一句，可执行文件可以正常运行，进行视频推理时两个结果结果均正常，但使用vscode无法debug可执行文件；在cmakelist中添加set(CMAKE_BUILD_TYPE "Debug")这一句，重新编译cns_launcher.cpp，可以使用vscode配置launch.json进行debug，在main函数debug过程中，到for (int i = 0; i < streams; i++, url_iter++)这一句时，程序卡住，卡在之前那个界面，无法继续debug下一句，此时关闭程序，直接运行可执行文件，程序也是卡在之前那个界面。只有重启电脑，重新编译debug版本，不debug程序，直接运行可执行文件，程序才正常运行；但是一旦进行debug，就会出现上述错误。另外，不知道您说的"另外，建议编译debug版本时，使用 cmake .. -DCMAKE_BUILD_TYPE=DEBUG 的方式"是否是指编译cnstream时加上这一句，以编译debug版本的cnstream?因为我编译运行debug版本的cns_launcher.cpp时没有用到这一句展开1，首先cnstream仅支持到ubuntu18.04，没有对ubuntu20.04进行过适配。2，编译时，在cmake这一步直接通过编译选项传入。也就是 cmake .. -DCMAKE_BUILD_TYPE=DEBUG3，可以尝试直接在terminal上gdb进行程序进行debug。在run.sh脚本中，在调用可执行文件前面加 gdb --args如下： gdb --args ${SAMPLE_DIR}/bin/cns_laucnher ........然后执行run.sh，再进行调试 0

cnstream无法调试debug版本的cns_launcher.cpp 我的回复：#2palmful回复好的，感谢回复您好，我这边没有复现到。能提供一下详细的复现条件吗。包括板卡类型，系统版本，编译方式，调试方式等。另外，建议编译debug版本时，使用 cmake .. -DCMAKE_BUILD_TYPE=DEBUG 的方式 0

yolov5 量化参数加了firstconv = True 的量化后的离线模型，输入图片加载报错 我的回复：#7htujun回复报错补充：“c” should be 3,but 4cnstream提供的示例前处理是和仓库中的模型对应的，你可以在原来的基础上进行修改。或者参考示例自定义自己的前处理类。当前报错是因为，VideoPreprocYolov5类只适用于不加firstconv的yolov5网络。如果加了firstconv需要：1，修改以下判断。2，修改前处理逻辑（模型输入为U8，并且不再需要mean std）VideoPreprocYolov5::Execute()中，将3改为4if (input_shape[c_idx] != 3) {LOGE(DEMO) << "[VideoPreprocYolov5] model input shape not supported, `c` should be 3, but " << input_shape[c_idx];return false;} 0

yolov5 量化参数加了firstconv = True 的量化后的离线模型，输入图片加载报错 我的回复：#4htujun回复修改json配置文件的model_input_pixel_format : RGBA、BGRA、ARGB、ABGR还会报错，请问下具体如何修改。展开根据log打印判断，设置的model_input_pixel_format和模型的输入shape的c通道不符合报错。麻烦再确认下，设置的value是 RGBA32/BGRA32/ARGB32/ABGR32 吗？（要加32）需根据模型输入pixel format设置model_input_pixel_format，假设为RGBA32, Inferencer2模块的配置如下："model_input_pixel_format": "RGBA32" 0

MLU220-SOM基于CNStream框架解码rtsp流再推流测试中出现掉帧严重，帧损坏，且推流视频卡顿，出现灰屏的问题。 我的回复：首先输入源如果为rtsp流的时候，后续pipeline的处理速度如果低于rtsp流喂给pipeline的速度。那么cnstream会将一些rtsp流的数据丢掉，这个时候就可能会出现损坏帧的报错。那么，我们需要提高pipeline的性能来解决这个问题。pipeline中只有解码+RtspSink两个模块。1，解码应该不是性能瓶颈，220上解码1080P的性能应该在1000fps左右。2，RtspSink模块可能是瓶颈。我们需要给这个模块设置一个参数 "input_frame" : "mlu" 参数来避免内存的搬运。如果如果上述作法依然无法达到你的rtsp流的速度，那么就需要考虑丢帧是否是可以容忍的。如果可以的话，在DataSource模块丢帧是一个好的选择，通过设置“interval” : "2"参数，每2帧处理一帧。也可以设置更大。例如设置为4则代表每4帧处理一帧 0

MLU220-SOM基于CNStream框架解码rtsp流再推流测试中出现掉帧严重，帧损坏，且推流视频卡顿，出现灰屏的问题。 我的回复：首先输入源如果为rtsp流的时候，后续pipeline的处理速度如果低于rtsp流喂给pipeline的速度。那么cnstream会将一些rtsp流的数据，这个时候就可能会出现损坏帧的报错。那么，我们需要提高pipeline的性能来解决这个问题。pipeline中只有解码+RtspSink两个模块。1，解码应该不是性能瓶颈，220上解码1080P的性能应该在1000fps左右。2，RtspSink模块可能是瓶颈。我们需要给这个模块设置一个参数 "input_frame" : "mlu" 来避免内存的搬运。如果上述作法依然无法达到你的rtsp流的速度，那么就需要考虑丢帧是否是可以容忍的。如果可以的话，我们可以在DataSource插件丢帧，通过设置 "interval": "2" 每两帧丢一帧。 0

怎样提升MLU220 4k解码推理性能？ 我的回复：“实测结果解码13fps，影响追踪，识别率为0.”解码会受到参考帧以及复用buffer影响，单路4k解码应该不是性能瓶颈。追踪的识别率为0，是什么原因导致的还需要查一下，除非输入为rtsp流导致解码丢帧否则source应该不会影响到追踪。 0

怎样提升MLU220 4k解码推理性能？ 我的回复：麻烦贴一下整个json配置文件 0

关于cnstream的使用 我的回复：#20tiger_k回复这个确定是s模型吗？为什么这么大呢？我的s模型转离线化之后只有14MB呀，而且速度也能到95fps。我只是在为了提高精度才像使用x模型的展开新上传的这个是s模型，也比较小十几M。 0

上一页 1 2 3 4 5 下一页