diff --git "a/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/ONNX\346\250\241\345\236\213\346\216\250\347\220\206\346\214\207\345\257\274/official/cv/ReID/ReID-strong-baseline/README.md" "b/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/ONNX\346\250\241\345\236\213\346\216\250\347\220\206\346\214\207\345\257\274/official/cv/ReID/ReID-strong-baseline/README.md" index 1e6369f6427715cfa993754e5ac5cf8966cba293..29173be40508e7ed7cf57a9783195ef9270b1883 100644 --- "a/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/ONNX\346\250\241\345\236\213\346\216\250\347\220\206\346\214\207\345\257\274/official/cv/ReID/ReID-strong-baseline/README.md" +++ "b/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/ONNX\346\250\241\345\236\213\346\216\250\347\220\206\346\214\207\345\257\274/official/cv/ReID/ReID-strong-baseline/README.md" @@ -30,7 +30,7 @@ cd .. 4.数据集 [获取Market1501](http://www.liangzheng.org/Project/project_reid.html)，并重命名为market1501 -5.[获取benchmark工具](https://support.huawei.com/enterprise/zh/ascend-computing/cann-pid-251168373/software/) +5.[获取benchmark工具](https://gitee.com/ascend/cann-benchmark/tree/master/infer) 将benchmark.x86_64或benchmark.aarch64放到当前目录 ## 2 离线推理 diff --git "a/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274.md" "b/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274.md" index ec9325ce470a16f8aee6b5350f92f818f3095b3f..0a5c8ad7ebc4dfd019214692adbc6fa295302328 100644 --- "a/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274.md" +++ "b/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274.md" @@ -282,7 +282,7 @@ checkpoint['state_dict'] = proc_nodes_module(checkpoint, 'state_dict') ... model.load_state_dict(checkpoint['state_dict']) ``` - - 可视化工具netron可以查看模型图，[获取可视化工具netron](https://github.com/lutzroeder/netron/releases/download/v4.9.5/Netron-Setup-4.9.5.exe)，om模型文件与atc工具dump的.pbtxt中间图模型文件也可以用华为修改后的netron查看，请联系华为方。使用netron可以方便的查看模型结构，权重与算子属性，比如输入节点名与其shape，输出的所有节点名与其shape + - 可视化工具netron可以查看模型图，[获取可视化工具netron](https://github.com/lutzroeder/netron/releases/download/v4.9.5/Netron-Setup-4.9.5.exe)，om模型文件与atc工具dump的.pbtxt中间图模型文件也可以用最新版本的netron查看。使用netron可以方便的查看模型结构，权重与算子属性，比如输入节点名与其shape，输出的所有节点名与其shape - 有些pytorch算子onnx还不支持，根据开源社区提供的方法等价替换这些算子，如果不能完全等价替换而且npu已经支持该算子，则需要修改模型代码将该算子封装为自定义算子，然后导出包含自定义算子的onnx @@ -345,7 +345,7 @@ atc --framework=5 --model=efficientnet-b0_sim.onnx --output=efficientnet-b0_bs16 > 3.开启autotune方法：添加--auto_tune_mode="RL,GA" > 5.开启repeat autotune方法：添加--auto_tune_mode="RL,GA"同时export REPEAT_TUNE=True > 6.配置环境变量ASCEND_SLOG_PRINT_TO_STDOUT和ASCEND_GLOBAL_LOG_LEVEL，然后执行命令atc ... > atc.log可以输出日志到文件 -> 7.配置环境变量DUMP_GE_GRAPH后执行atc命令时会dump中间过程生成的模型图，使用华为修改的netron可以可视化这些.pbtxt模型文件，如需要请联系华为方，当atc转换失败时可以查看ge生成的中间过程图的模型结构与算子属性，分析出哪个算子引起的问题 +> 7.配置环境变量DUMP_GE_GRAPH后执行atc命令时会dump中间过程生成的模型图，使用最新版的netron可以可视化这些.pbtxt模型文件，当atc转换失败时可以查看ge生成的中间过程图的模型结构与算子属性，分析出哪个算子引起的问题 > 8.如果使用aipp进行图片预处理需要添加--insert_op_conf=aipp_efficientnet-b0_pth.config > 9.atc工具的使用可以参考[CANN 5.0.1 开发辅助工具指南 (推理) 01](https://support.huawei.com/enterprise/zh/doc/EDOC1100191944?idPath=23710424%7C251366513%7C22892968%7C251168373) > 10.若模型包含atc不支持的算子，算子问题可以规避的先通过修改模型进行规避，并在modelzoo上提issue或联系华为方