LV.1

shimin.an

58积分1赞

6 帖子 23 回复 2 收藏

TA的动态

TA的帖子

TA的回复

MLU270 yolov5s移植精度问题 我的回复：问题已解 0

MLU270 yolov5s移植精度问题 我的回复：按照链接：https://github.com/CambriconECO/Pytorch_Yolov5_Inference/tree/eb36b68e5a4ee3fe23c45ec545bef68dced452bb 在MLU270上推理测试，画框正常了，但是保存离线模型后，使用官方pytorch docker镜像，yolov5离线推理程序推理出的结果计算mAP很低：保存离线模型：if opt.jit: if opt.save: ct.save_as_cambricon('yolov5s') torch.set_grad_enabled(False) ct.set_core_number(1) trace_input = torch.randn(1, 3, 640, 640, dtype=torch.float) trace_input = trace_input.to(ct.mlu_device()) quantized_net = torch.jit.trace(quantized_net, trace_input, check_trace = False)拷贝离线模型并切换路径：/torch/src/catch/examples/offline/build/yolov5离线推理：./yolov5_offline_multicore -offlinemodel yolov5s.cambricon -dataset_path /torch/src/catch/examples/data/COCO2017_5000/coco -images /torch/src/catch/examples/data/COCO2017_5000/coco/val2017.txt -labels ./label_map_coco.txt -simple_compile 1 -input_format 0计算meanAP：python3 ../../scripts/meanAP_COCO.py --file_list /torch/src/catch/examples/data/COCO2017_5000/coco/val2017.txt --result_dir ./ --ann_dir /torch/src/catch/examples/data/COCO2017_5000/coco结果：麻烦帮看看，有可能是什么原因导致的？ 0

MLU270 yolov5s移植精度问题 我的回复：感谢回复~数据：图：保存为离线模型后，使用pytorch离线模型检测网络meanAP计算脚本，测试mAP非常低。 0

MLU270能支持Swin Transformer移植吗？ 我的回复：#1HelloAI回复1、不支持Swin Transformer2、不会再更新版本了，如果您有需求，可联系客户经理，申请增量定制开发展开好的，谢谢~ 0

MLU270 当前官网版本能支持FFT吗？ 我的回复：#1fcam回复MLU270不支持FFT。MLU370 可以支持FFT。好的，谢谢~ 0

torch.cosine_similarity 使用报错 我的回复：#4HelloAI回复MLU3系列的版本也还没有支持torch.cosine_similarity这个算子，您的需求我们会评估是否加入到后续的版本计划中，谢谢。展开了解了，谢谢~ 0

torch.cosine_similarity 使用报错 我的回复：#2HelloAI回复虽然CNML有cnmlCreateCosSimilarityOp，但是寒武纪维护的PyTorch并没有适配torch.cosine_similarity这个算子，所以这里会出现如上的问题。展开谢谢回复，后面有没有更新的版本适配呢，MLU3系列版本可以用吗？ 0

用示例代码和模型跑在MLU220_M.2上 memory报错 我的回复：#1QiuJiang回复你好，从报错看可能是220内存不够无法生成yolov5的离线模型。一般情况下，请使用MLU270生成220的离线模型，然后在220上去部署，目前不推荐在220上直接生成离线模型。展开了解了，谢谢~ 1

MLU220 请教yolov5s6 量化问题及部署推理问题 我的回复：请教下，MLU220上部署yolov5s-6.0时，有没有遇到流程正常未报错，但是离线模型无法生成的情况？quantized_net = torch_mlu.core.mlu_quantize.quantize_dynamic_mlu(model)state_dict = torch.load("./yolov5s_int8.pt") quantized_net.load_state_dict(state_dict, strict=False) ct.set_core_version('MLU220') quantized_net.eval().float()quantized_net.to(ct.mlu_device()) if opt.jit: print("### jit") ct.save_as_cambricon('yolov5s_int8_1_4') torch.set_grad_enabled(False) ct.set_core_number(4) trace_input = torch.randn(1, 3, 640, 640, dtype=torch.float).to(ct.mlu_device()) net = torch.jit.trace(quantized_net, trace_input, check_trace = False) #net(trace_input) ct.save_as_cambricon("") 1

tensorflow-mlu v2.1.0 我的回复：#5QiuJiang回复2.1.0目前主要用在第三代产品的训练/推理上，不主要支持第二代产品，如果您使用220/270建议使用1.15.4，如果使用370产品，可以找对接你的销售人员获取2.1.0，AI Repo 没有开放2.1.0。展开感谢 0

上一页 1 2 下一页