zhenhao Shang
zhenhao Shang
用paddleslim的ACT自动压缩工具对yolov7进行压缩之后，得到的模型虽然保存的参数是int8的范围，但是类型是float，也就是压缩前后的onnx文件体积没变，然后要把这个onnx模型部署在昇腾的开发板Atlas 500上。我的操作如下： 首先把onnx模型转化为昇腾支持的om模型，转化命令为： atc --framework=5 --model=./model/yolov7.onnx --input_shape="images:1,3,640,640" \ --output=./model/yolov7 --compression_optimize=./scripts/compression_opt.config --soc_version=Ascend310 \ --log=info --insert_op_conf=./scripts/aipp.cfg 这里的compression_optimize参数是相当于加了一个后训练量化PTQ，把float的参数转为int8，之后按照昇腾官方例子程序，链接如下： https://gitee.com/ascend/samples/tree/master/inference/modelInference/sampleYOLOV7 按照链接中的内容执行推理，输出的图片上一个预测框都没有。 按照相同的方法把未量化的onnx模型部署在Atlas 500上，可以正常输出，该onnx转om模型的命令为： atc --framework=5 --model=./model/yolov7.onnx --input_shape="images:1,3,640,640" \ --output=./model/yolov7 --soc_version=Ascend310 \ --log=info --insert_op_conf=./scripts/aipp.cfg 如果把未量化的onnx模型（大小和量化后一样）加上PTQ转化一下，命令如下（与第一个相同）：...
There are three versions here, corresponding to mamba2.py, mamba2_simple.py, and ssd_minimal.py. The first two versions require the mamba_ssm library. What are the differences between them? Does this mean that the...
你好，对于论文里的transform3，当第二个卷积核的pad填充为第一个卷积核的bias的时候可以通过transform3恒等转换，我想请教一下大佬，用bias填充这一点是怎么推出来的，有相关的公式吗
使用xcode测试速度不符，进行了多次测试，取最后一次稳定的结果如下图所示： 这里速度明显过慢，我发现执行多次推理的过程中第一次推理的时间过长，甚至达到10ms，把这个时间用来计算均值显然不合理，所以在xcode中如何避免这一问题，文中又是怎么做的呢