切换版块
×
基础软件平台
PyTorch开发
TensorFlow开发
编解码及SDK开发
BANG语言与计算库
开发工具链
MagicMind开发
软件栈百科
云平台集成
硬件产品专区
大模型专区
寒武纪® AIDC® MLU370®系列加速卡
MLU200系列AI加速产品
经验方案交流区
经验案例与实践分享
开发者服务
开发者活动
公告与版务
高校支持
《智能计算系统》
签到
版块
社区
文档
SDK下载
370系列
200系列
开发平台
官网首页
注册
登录
全部版块
基础软件平台
硬件产品专区
经验方案交流区
开发者服务
高校支持
发布新帖
登录/注册
LV.1
ltmarks
40
积分
0
赞
2
帖子
25
回复
0
收藏
TA的动态
TA的帖子
TA的回复
yolov5 cpu资源占用较多
我的回复:#21含含回复1.有使用实体卡调试起来会方便一些,如果不用卡需要 需要将device 配置成-1(ct.set_device(-1)),可以参看下 论坛里的其它帖子,如:转换fasestdet模型报错 - 寒武纪软件开发平台 - 开发者论坛 (cambricon.com)2. 默认的yolov5的前处理是RGB24的,如果使用ARGB的4通道的模型运行会有问题展开
0
yolov5 cpu资源占用较多
我的回复:#21含含回复1.有使用实体卡调试起来会方便一些,如果不用卡需要 需要将device 配置成-1(ct.set_device(-1)),可以参看下 论坛里的其它帖子,如:转换fasestdet模型报错 - 寒武纪软件开发平台 - 开发者论坛 (cambricon.com)2. 默认的yolov5的前处理是RGB24的,如果使用ARGB的4通道的模型运行会有问题展开如果ARGB的4通道模型会有问题的话,是否意味着基于mlu的前处理以及use_scaler的前处理都无法使用?
0
yolov5 cpu资源占用较多
我的回复:#17upupdayday回复链接:https://pan.baidu.com/s/1pagMVAM83KS9cGuEbayf9w?pwd=5z3i 可以试试这个展开请问:1、转换模型是不是必须有mlu270这个硬件?(转换模型包含yolov5_detection_output该算子)2、可否提供一个模型输入是ARGB的yolov5模型,感谢~
0
yolov5 cpu资源占用较多
我的回复:#18含含回复[图片]请问:1、转换模型是不是必须有mlu270这个硬件?(转换模型包含yolov5_detection_output该算子)2、可否提供一个模型输入是ARGB的yolov5模型,感谢~
0
yolov5 cpu资源占用较多
我的回复:#15含含回复cntoolkit 、cncv 、driver 版本需要对齐,如:driver: 4.9.5cntoolkit: 1.7.5cncv :0.4.602展开可不可以把你的yolov5_v6.0版本的模型发给我实验一下啊?
0
yolov5 cpu资源占用较多
我的回复:#13含含回复是的,cncv版本太低了。详细的可以参看:https://gitee.com/cambricon/easydk/tree/v3.1.0/ 说明构建和运行EasyDK有如下依赖:CMake 2.8.7+GCC 4.8.5+GLog 0.3.4Cambricon Neuware Toolkit >= 1.7.0CNCV >= 0.4.0 (optional)libcurl-dev (optional)展开cntoolkit=1.8.1,cncv=0.4.602,采用cncv前处理时候报这个错,不用cncv的话没有问题,请问这是什么原因?另外,mlu220驱动版本是4.6,会不会跟驱动版本有关系?
0
yolov5 cpu资源占用较多
我的回复:#11含含回复我这面使用6.0验证CPU占用率与3.0/5.0 接近。修改前处理为cncv,CPU使用率会明显降低。模型不会影响CPU利用率,如果希望降低CPU占用 可以修改前处理使用cncv 进行。展开在配置好CNCV后编译cnstream出现如下错误:请问这是什么错误?是CNCV的版本太低吗?cncv版本为0.2.0
0
yolov5 cpu资源占用较多
我的回复:#9含含回复预处理是影响CPU的一个点,其它的地方也会占用CPU,需要看下你的json参数配置,如果时发布的版本:yolov5:https://gitee.com/cambricon/CNStream/blob/master/samples/cns_launcher/configs/yolov5_object_detection_mlu220.jsonyolov3:https://gitee.com/cambricon/CNStream/blob/master/samples/cns_launcher/configs/yolov3_object_detection_mlu220.json这里面的一些属性是不一样的,比如: "class_name" : "cnstream::Inferencer", "parallelism" : 1,展开我曾尝试过用Inferencer替换Inference2部署yolov5,以及修改parallelism,系统资源占用两者基本一样,还有其他的地方会影响吗?另外,能否麻烦您给我发一个yolov5s_v6.0以上的版本,测测看?
0
yolov5 cpu资源占用较多
我的回复:#6含含回复focus 在网络内部,会影响到MLU侧的资源使用,现在CPU侧的资源高很有可能是前处理导致的,可以使用cncv做前处理看是否会减轻CPU利用率。展开应该不是预处理的问题吧?preprocess_yolov3.cpp和preprocess_yolov5.cpp中,采取的预处理方式相似,v3的cpu占用率是v5的二分之一,您可以实验一下
0
CNStream 交叉编译报错
我的回复:#4ltmarks回复你好,请问你cncv用的是什么版本有没有尝试别的版本试下呢?
0
上一页
1
2
下一页
Github
开发平台
文档中心
新手必读
官方微信
版权所有 © 2025 寒武纪 Cambricon.com 备案/许可证号:
京ICP备17003415号-1
关闭