产品： mlu270；使用镜像：yellow.hub.cambricon.com/pytorch/pytorch:0.15.0-ubuntu16.04；

驱动版本：v4.9.3；框架：pytorch；

参考实现：yolov5移植教程（配实际操作视频）       原始yolov5s模型均已实现，包括batchsize及corenum设置

问题：在自训练的yolov5s模型上生成离线模型 ，设置batchsize及corenum都为1，模型检测结果无问题；修改其他值后，如batchsize=1，corenum=4，模型检测结果出现异常，异常结果：无框或乱框

注：自训练模型分类数为2，只对yolov5s.yaml文件中的nc : 80 修改为 nc : 2  

       datasets.py中letterbox auto改为False，用以修改输入为640*640    其他无修改

batchsize = 1 
corenum = 4
...

elif opt.cfg == 'mlu':
from models.yolo import Model
device = ct.mlu_device()
model = Model('./models/yolov5s.yaml').to(torch.device('cpu'))
model.float().fuse().eval()

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)

quantized_net.eval()
quantized_net.to(ct.mlu_device())

if opt.jit:
print("### jit")
ct.save_as_cambricon('yolov5s_int8_' + str(batchsize)+ '_' + str(corenum))
torch.set_grad_enabled(False)
ct.set_core_number(corenum)
trace_input = torch.randn(batchsize, 3, 640, 640, dtype=torch.float)
input_mlu_data = trace_input.type(torch.HalfTensor).to(ct.mlu_device())
quantized_net = torch.jit.trace(quantized_net, input_mlu_data, check_trace = False)