我模型训练的时候输入图片格式是：bgr格式，并且向像素值都除了255，做了归一化。在工具链里面的mapper做 inference.sh的时候一个目标也输不出来，我看了一下置信度都是0.000及的级别，请问这是什么原因呢？----------------------------------------------------------------------------------------

用tf训练了一个输入为512*640*2的tensor的模型[两张左右视图灰度后的merge]，转换为onnx后的模型和预处理的数据集在PC上验证过。但是转换时给出了大量超出阈值的警告，且转换后在上板验证效果也不符合。build.yaml文件如下# 模型转化相关的参数model_parameters: onnx_model: '/DispNet/models/DispNetOnnx00.onnx'

自己的训练的yolov3剪枝模型，检测出的图片结果如下：这是啥原因？

我用了地平线旭日3，用examples里面的resnet18demo测试能跑到120fps左右，但是地平线人员说他们能做到230fps。我用了最高等级的编译优化、量化和双核编译，也只有120fps。猜测是因为你们用的batch size更大，所以才有230fps的数据吗？但是我没有找到能设置batch size的地方。希望你们能说明一下实现细节，谢谢！

你好，我们在仿真环境下测试了yolov5的单张图片推理速度，为什么fps那么低，输出日志如下：03_infer.sh ++ dirname 03_infer.sh+ cd .+ source ../../env.conf++ sample_name=++ val_data_path=../../../01_common/data/coco/coco_val2017/images++ val_ann

?想问下AI Express与 工具链 开发 本人跑下来感觉像单独的模块，2者能结合么。。。有没有先关结合的案例或者演示这类的？

1、YOLOv5转onnx代码如下：# ONNX exporttry: import onnx print('\nStarting ONNX export with onnx %s...' % onnx.__version__) f = opt.weights.replace('.pt', '.onnx') # filename torch.onnx.export(mod

板上测试自己的模型的准确率 ：sh dev_board_02_eval.sh好像是类似于flask的服务，这个该怎么测试图片呢？

训练的模型，仿真平台运行没有问题，上板运行报错？报错内容如下：root@x3sdbx3-samsung2G-3200:/userdata/samples/lenet# sh dev_board_01_infer.sh ./release/bin/example --model_file=./lenet_hybrid_horizonrt.bin --model_name=lenet --input_

您好，我们自己定义的lenet模型在runtime_sim下的推理运行时报错：请问这个问题该如何解决呢？注释：这个问题我们在后处理源码文件中做了如下修改：else if (model_name == "resnet18" || model_name == "googlenet" || model_name == "se_resnet_gray" || model_name ==

自己训练的letNet模型，check通过，但是当进行build时报如下错误：ERROR Float input type RGB does not match model input channel 28.错误日志如下：2020-12-10 23:35:59,117 INFO hb_mapper_makertbin 54 Working dir: /data/x3/x3_tc_1.1.17e/x

自己的模型 lenet---三通道在运行03_build.sh时候出现错误，以下是log日志---------------------------------------------------------------------------------------------------------------------------------------------------------

cd $(dirname $0) || exitdirname $0model_type="onnx"onnx_model="/data/x3/x3_tc_1.1.17e/x3-toolchain-1.1.17e.tar/horizon_x3_tc_1.1.17e/samples/04_detection/04_yolov5_shw/yolov5s.onnx"output="./yolov5_ch

我想要仿照这个测试自己的数据集，但是我知道这里面的数据的目录格式是什么样的？请问可以将数据上传到云盘吗？或者展示一下目录格式？

上板测试的时候，遇到了这个问题，请问怎么解决呢？

你好，这是我根据你们的那个算子支持列表整理出来的，比如这个opset版本为13的，怎么都不支持 conv操作？

目前把OpenPose的网络转换成定点模型上板运行，但运行时间过长，优化程度不高。同样一张图片的推理，在CPU上运行大概1.5秒，在板上运行需要750ms：而checklog中几乎所有操作都被分配给了BPU：模型确实比较深，计算量比较大，但CPU和上板运行仅缩小一倍是否也是有问题呢？原论文中用普通GPU就能达到50ms左右的效果，请问如何排查和改进呢？

请问可以公布一下这些模型结构，训练代码吗？（就比如类似于torch，创建网络结构、训练）

定点模型上板测试 第一步 运行 sh 01_build.sh 出现错误-------------------------------------- The C compiler identification is GNU 6.5.0-- The CXX compiler identification is GNU 6.5.0-- Check for working C compiler: /