LV.1

ltmarks

40积分0赞

2 帖子 24 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