地平线工具链支持5维输入吗？

应用开发 算法工具链
, , ,
1

试一下就知道了~

1 写个网络并导出成onnx

import torch.nn as nn
import torch

# ---------------------------------------------------------------------#
#   定义一个简单的单输入网络，地平线要求模型中必须要有Conv/Gemm/MatMul中的一个
# ---------------------------------------------------------------------#
class MyNet(nn.Module):
    def __init__(self, num_classes=10):
        super(MyNet, self).__init__()
        self.fc = nn.Linear(162, num_classes)

    def forward(self, x, y):
        z = torch.cat((x, y),1)
        z = torch.flatten(z, start_dim=1)
        z = self.fc(z)
        
        return z

# -----------------------------------#
#   导出ONNX模型函数
# -----------------------------------#
def model_convert_onnx(model, output_path):
    a = torch.randn(1, 3, 3, 3, 3)
    b = torch.randn(1, 3, 3, 3, 3)
    input_names = ["input1", "input2"]        # 导出的ONNX模型输入节点名称
    output_names = ["output1"]      # 导出的ONNX模型输出节点名称

    torch.onnx.export(
        model,
        (a, b),
        output_path,
        opset_version=11,       # 地平线目前支持 10 or 11
        input_names=input_names,
        output_names=output_names,
    )

if __name__ == '__main__':
    model = MyNet()
    # print(model)

    # 建议将模型转成 eval 模式
    model.eval()

    # ONNX模型输出路径
    output_path = './MyNet.onnx'

    # 导出为ONNX模型
    model_convert_onnx(model, output_path)
    print("model convert onnx finsh.")

2 进地平线提供的docker转换试试

以OE2.4.2为例，老版本没试过，不太清楚

  • 进docker

    sh run_docker.sh /data

  • yaml文件：config.yaml

    模型转化相关的参数

    model_parameters:

    Onnx浮点网络数据模型文件

    onnx_model: ‘./MyNet.onnx’

    适用BPU架构

    march: “bernoulli2”

    模型转换输出的结果的存放目录

    working_dir: ‘model_output’

    模型转换输出的用于上板执行的模型文件的名称前缀

    output_model_file_prefix: ‘MyNet’

    模型输入相关参数, 若输入多个节点, 则应使用’;'进行分隔, 使用默认缺省设置则写None

    input_parameters:

    模型输入的节点名称, 此名称应与模型文件中的名称一致, 否则会报错, 不填则会使用模型文件中的节点名称

    input_name: “input1;input2”

    网络实际执行时，输入给网络的数据格式，包括 nv12/rgb/bgr/yuv444/gray/featuremap

    input_type_rt: ‘featuremap;featuremap’

    网络实际执行时输入的数据排布, 可选值为 NHWC/NCHW

    input_layout_rt: ‘NHWC;NHWC’

    网络训练时输入的数据格式，可选的值为rgb/bgr/gray/featuremap/yuv444

    input_type_train: ‘featuremap;featuremap’

    网络训练时输入的数据排布, 可选值为 NHWC/NCHW

    input_layout_train: ‘NHWC;NHWC’

    网络输入的预处理方法，主要有以下几种：

    no_preprocess 不做任何操作

    norm_type: ‘no_preprocess;no_preprocess’

    模型量化相关参数

    calibration_parameters:
    calibration_type: ‘skip’ # 不涉及校准数据

    编译器相关参数

    compiler_parameters:

    编译策略，支持bandwidth和latency两种优化模式

    compile_mode: ‘latency’

    优化等级可选范围为O0~O3

    optimize_level: ‘O0’

  • 使用命令转换

    hb_mapper makertbin --model-type onnx --config config.yaml

image.png
image.png1008×323 0 Bytes
image.png

哦吼，支持！

看到这儿，给点个赞呀！！！

2

学习一个