×

签到

分享到微信

打开微信,使用扫一扫进入页面后,点击右上角菜单,

点击“发送给朋友”或“分享到朋友圈”完成分享

PyTorch框架的Yolov5移植,官方模型检测不到内容的问题 已完结 shilei2022-11-14 13:58:59 回复 12 查看 使用求助
PyTorch框架的Yolov5移植,官方模型检测不到内容的问题
分享到:

mlu.rar

在算法移植的时候遇到点问题,向各位请教一下,先谢谢各位的解答。

附件中是YOLOV5-4.0降低版本的pt文件。

git地址:PyTorch 框架的 Yolov5 移植 – 寒武纪开发者社区 (cambricon.com),操作步骤如下:

1、在Windows 系统上实现的pt文件的降低版本,使用的yolov5版本分别为4.0、5.0和6.0,生成unzip.pt,增加的代码:torch.save(model.state_dict(), "unzip.pt", _use_new_zipfile_serialization=False),生成的文件大小都与yolov5s_1.3a.pt不同,请问这个yolov5s_1.3a.pt是如何得到的?是否需要其他操作?


2、然后将unzip.pt拷贝到在线检测quantize_online目录下,修改yolo.py的get_model函数,将yolov5s_1.3a.pt修改成unzip.pt,然后运行quant.py,生成yolov5s_int8.pt文件。如果使用yolov5s_1.3a.pt生成的int8文件是可以检测的。转换结果如下:

        CNML: 7.10.2 ba2048758

        CNRT: 4.10.1 a884a9a

        Using CPU

                         from  n    params  module                                  arguments                     

          0                -1  1      3520  common.Focus                            [3, 32, 3]                    

          1                -1  1     18560  common.Conv                             [32, 64, 3, 2]                

          2                -1  1     19904  common.BottleneckCSP                    [64, 64, 1]                   

          3                -1  1     73984  common.Conv                             [64, 128, 3, 2]               

          4                -1  1    161152  common.BottleneckCSP                    [128, 128, 3]                 

          5                -1  1    295424  common.Conv                             [128, 256, 3, 2]              

          6                -1  1    641792  common.BottleneckCSP                    [256, 256, 3]                 

          7                -1  1   1180672  common.Conv                             [256, 512, 3, 2]              

          8                -1  1    656896  common.SPP                              [512, 512, [5, 9, 13]]        

          9                -1  1   1248768  common.BottleneckCSP                    [512, 512, 1, False]          

         10                -1  1    131584  common.Conv                             [512, 256, 1, 1]              

         11                -1  1         0  torch.nn.modules.upsampling.Upsample    [None, 2, 'nearest']          

         12           [-1, 6]  1         0  common.Concat                           [1]                           

         13                -1  1    378624  common.BottleneckCSP                    [512, 256, 1, False]          

         14                -1  1     33024  common.Conv                             [256, 128, 1, 1]              

         15                -1  1         0  torch.nn.modules.upsampling.Upsample    [None, 2, 'nearest']          

         16           [-1, 4]  1         0  common.Concat                           [1]                           

         17                -1  1     95104  common.BottleneckCSP                    [256, 128, 1, False]          

         18                -1  1    147712  common.Conv                             [128, 128, 3, 2]              

         19          [-1, 14]  1         0  common.Concat                           [1]                           

         20                -1  1    313088  common.BottleneckCSP                    [256, 256, 1, False]          

         21                -1  1    590336  common.Conv                             [256, 256, 3, 2]              

         22          [-1, 10]  1         0  common.Concat                           [1]                           

         23                -1  1   1248768  common.BottleneckCSP                    [512, 512, 1, False]          

         24      [17, 20, 23]  1    229245  yolo.Detect                             [80, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]

        Model Summary: 191 layers, 7.46816e+06 parameters, 7.46816e+06 gradients

        

        The 'iteration' key in qconfig has been deprecated in this version. Users needn't

        set this key. We will calculate quantization parameters by real forward times controlled by users.

        torch.Size([1, 3, 640, 640])


3、运行detect.py,检测不到结果,如下:

        CNML: 7.10.2 ba2048758

        CNRT: 4.10.1 a884a9a

        Using CPU

                         from  n    params  module                                  arguments                     

          0                -1  1      3520  common.Focus                            [3, 32, 3]                    

          1                -1  1     18560  common.Conv                             [32, 64, 3, 2]                

          2                -1  1     19904  common.BottleneckCSP                    [64, 64, 1]                   

          3                -1  1     73984  common.Conv                             [64, 128, 3, 2]               

          4                -1  1    161152  common.BottleneckCSP                    [128, 128, 3]                 

          5                -1  1    295424  common.Conv                             [128, 256, 3, 2]              

          6                -1  1    641792  common.BottleneckCSP                    [256, 256, 3]                 

          7                -1  1   1180672  common.Conv                             [256, 512, 3, 2]              

          8                -1  1    656896  common.SPP                              [512, 512, [5, 9, 13]]        

          9                -1  1   1248768  common.BottleneckCSP                    [512, 512, 1, False]          

         10                -1  1    131584  common.Conv                             [512, 256, 1, 1]              

         11                -1  1         0  torch.nn.modules.upsampling.Upsample    [None, 2, 'nearest']          

         12           [-1, 6]  1         0  common.Concat                           [1]                           

         13                -1  1    378624  common.BottleneckCSP                    [512, 256, 1, False]          

         14                -1  1     33024  common.Conv                             [256, 128, 1, 1]              

         15                -1  1         0  torch.nn.modules.upsampling.Upsample    [None, 2, 'nearest']          

         16           [-1, 4]  1         0  common.Concat                           [1]                           

         17                -1  1     95104  common.BottleneckCSP                    [256, 128, 1, False]          

         18                -1  1    147712  common.Conv                             [128, 128, 3, 2]              

         19          [-1, 14]  1         0  common.Concat                           [1]                           

         20                -1  1    313088  common.BottleneckCSP                    [256, 256, 1, False]          

         21                -1  1    590336  common.Conv                             [256, 256, 3, 2]              

         22          [-1, 10]  1         0  common.Concat                           [1]                           

         23                -1  1   1248768  common.BottleneckCSP                    [512, 512, 1, False]          

         24      [17, 20, 23]  1     29667  yolo.Detect                             [6, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]

        Model Summary: 191 layers, 7.26858e+06 parameters, 7.26858e+06 gradients

        

        torch.Size([1, 3, 640, 640])

        y.shape:  torch.Size([1, 33, 80, 80])

        y.shape:  torch.Size([1, 33, 40, 40])

        y.shape:  torch.Size([1, 33, 20, 20])

        batchNum: 1

        torch.Size([1, 7232, 1, 1])

        num_boxes_final:  0.0

        [tensor([], size=(0, 6))]



企业微信截图_16684022234796.png

请问如何解决?

版权所有 © 2023 寒武纪 Cambricon.com 备案/许可证号:京ICP备17003415号-1
关闭