AI攻城狮
AI攻城狮
use pseco
# RCNN stage """ obtain proposals """ if self.use_teacher_proposal: proposal_list = tea_proposals else : proposal_cfg = self.student.train_cfg.get( "rpn_proposal", self.student.test_cfg.rpn ) proposal_list = self.student.rpn_head.get_bboxes( *stu_rpn_outs, img_metas_student, cfg=proposal_cfg ) 我看代码中self.use_teacher_proposal=True,但tea_proposals来源于weak img-->teach model。论文中说“We...
> Proposals是由teacher model的RPN产生的。在student的训练过程中，虽然student RPN会产生自己的proposals，但是没有被使用。而是把teacher的proposals直接拿来训练student了。 很感谢您的解答，我还有一个问题，论文中指出这个方法也适用于单阶段，如果是单阶段的话，那么质量得分q的生成是student_model+teacher_head生成候选框吗？
出现这个错误:Timed out waiting for process to appear on device
how to fix it? Traceback (most recent call last): File "/home/yyds/anaconda3/envs/rvc/lib/python3.9/site-packages/gradio/routes.py", line 414, in run_predict output = await app.get_blocks().process_api( File "/home/yyds/anaconda3/envs/rvc/lib/python3.9/site-packages/gradio/blocks.py", line 1323, in process_api data = self.postprocess_data(fn_index, result["prediction"], state)...
这个是yolov8的onnx模型，应该没什么特殊结构吧
> 看下你的 mnn 代码有没包含 [7391896](https://github.com/alibaba/MNN/commit/7391896be30eb2cd21a4eceb97329a2c118dd8b3) 这个提交 您好，我的是最新的代码，是含有的这个提交的
> [#3375](https://github.com/alibaba/MNN/pull/3375) > > 这个提交修正了 ### 您好，拉取最新代码(修正后的)，多次运行问题仍然存在： ### 另外，发现新问题，视觉部分设置opencl后端后没起作用，运行时间2.16s，这是用了cpu后端？ ### 配置文件如下 { "llm_model": "llm.mnn", "llm_weight": "llm.mnn.weight", "backend_type": "opencl", "thread_num": 4, "precision": "low", "memory": "low", "mllm": { "backend_type": "opencl", "thread_num": 4,...
> 建 tmp 文件的话，后续推理正确么？看着每次都没有缓存 您好，建立tmp文件也不行，这个问题很好复现的，视觉结果没问题(已经验证)，就是llm部分时不时出现!!!!!!错误，llm部分使用cpu推理不会出现这个错误，感觉就是opencl推理引擎的事，这个是最新拉取的代码测试的，要不你们测一测？ (base) yyds@yyds:~/Codes/work/MNN $ /home/yyds/Codes/work/MNN/build/llm_demo /media/yyds/cyy2t/move/Qwen2.5-VL-3B-Instruct-MNN/config.json /media/yyds/cyy2t/move/prompt.txt CPU Group: [ 20 21 31 23 25 17 27 19 29 30 22 28 24 18 16 26...
> 你这边是用的gpu是什么的，我们复现一下。 按照上面的图片，prompt，模型使用你们官方提供的Qwen2.5-vl-3b的模型就行，编译后，多次运行这个问题就出现了。 编译命令： cmake -DMNN_LOW_MEMORY=true \ -DMNN_CPU_WEIGHT_DEQUANT_GEMM=true \ -DMNN_BUILD_LLM=true \ -DMNN_SUPPORT_TRANSFORMER_FUSE=true \ -DLLM_SUPPORT_VISION=true \ -DMNN_BUILD_OPENCV=true \ -DMNN_IMGCODECS=true \ -DMNN_BUILD_CONVERTER=true \ -DMNN_OPENCL=true \ -DMNN_AVX512=true \ -DMNN_USE_SYSTEM_LIB=true \ -DMNN_SEP_BUILD=false \ -DMNN_CUDA=true...