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
MLU370系列AI加速卡
MLU270系列AI加速卡
MLU220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 © 2024 寒武纪 Cambricon.com 备案/许可证号:
京ICP备17003415号-1
关闭