kl 520 運行yolov5模型
您好,我使用pytorch訓練的yolov5,之後使用官方的export.py導出onnx的模型。
為了方便訓練,我使用roboflow提供的notobook進行訓練,導出onnx下載。目前測試的資料是使用剪刀石頭布XD
遇到了以下問題。
另外請問,kneron官方適合用於kl520的custom model train相關的指引嗎?想要用在object-detection。
GitHub - kneron/kneron-mmdetection: AI Training code for easy deploy to Kneron devices
有發現貴司有提供這個參考,但不知可否在kl 520上執行?
附上相關的檔案
The discussion has been closed due to inactivity. To continue with the topic, please feel free to post a new discussion.
Comments
您好,
看起來好像是因為opset是17,我們只支援ONNX v1.7搭配opset 11或12,在轉換時可以確認這些版本喔。
還有,那個mmdetection的範例用了YOLOX,模型裡面似乎是有KL520不支援的operators,所以可能沒有辦法用KL520執行。
要訓練Yolo V5的話,可以參考這個連結: Object detection yolov5 - Document Center (kneron.com)
您好,目前成功的將opset改為12,會遇到以下問題。
跟這您給的連接 Object detection yolov5 - Document Center (kneron.com)
我在toolchain裡面找到了ipynb,在執行是時發現沒辦法直截train出weight,以下是輸出的結果。
在執行
!pip install -U pip
!pip install -r requirements.txt
的時候,有遇到以下錯誤,不知是否有關連
一樣附上相關的檔案。謝謝您的幫忙!
順便請問Quantization Folder是做甚麼的?資料夾內要準備甚麼內容?
您好,
關於第一個問題,請確認您有選擇Quantization Folder,裡面需要準備要量化的圖片。
如果一開始沒有用Kneron的repo訓練模型,可能會在轉換的時候出問題。
還有,關於那個yolov5的連結,如果yolov5版本不同的話,也比較有可能會出現錯誤。
您可以參考Kneron Toolchain內的ai_training/detection/yolov5/yolov5/tutorial裡面的README.md,按照裡面的流程來訓練我們Kneron的模型 (在上次的連結的最下面)
然後在Web GUI轉模型來使用。成功後,可以再用您的模型去做訓練。
requirements.txt裡面的東西需要降版,可以參照下面的清單:
# pip install -r requirements.txt# base ----------------------------------------matplotlib>=3.2.2numpy>=1.18.5opencv-python>=4.1.2PillowPyYAML>=5.3.1scipy>=1.4.1torch>=1.7.0 (可以使用1.7.1)torchvision>=0.8.1tqdm>=4.41.0# logging -------------------------------------tensorboard>=2.4.1# wandb# plotting ------------------------------------seaborn>=0.11.0pandas# export --------------------------------------# coremltools>=4.1onnx==1.6.0onnxruntime# scikit-learn==0.19.2 # for coreml quantizationonnx-simplifier # for pytorch opset 11 constant folding issue# extras --------------------------------------thop # FLOPS computationpycocotools>=2.0 # COCO mAPUpdate: 不好意思,用太新的torch版本好像會導致之前的RuntimeError,以下才是正確的版本:
pytorch需要用固定的版本,不然會有error。
# pip install -r requirements.txt
# base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.21.5
opencv-python>=4.1.2
Pillow
# protobuf==3.19.4
PyYAML>=5.3.1
scipy>=1.4.1
torch==1.7.1
torchvision>=0.8.1
tqdm>=4.41.0
# logging -------------------------------------
tensorboard>=2.4.1
# wandb
# plotting ------------------------------------
seaborn>=0.11.0
pandas
# export --------------------------------------
# coremltools>=4.1
onnx==1.7.0
onnxruntime
onnx-simplifier
# scikit-learn==0.19.2 # for coreml quantization
# extras --------------------------------------
thop # FLOPS computation
pycocotools>=2.0 # COCO mAP
我們用官網提供的模型訓練yolov5可以成功,用的CUDA版本是10.1(符合我們電腦的GPU)。請確認CUDA版本是否符合您的GPU,再確認pytorch版本是否符合CUDA版本。