Apprenez de vos questions: https://github.com/WenmuZhou/DBNet.pytorch/issues
Comment convertir un modèle entraîné en onnx a toujours des opérations non prises en charge # 65
Changer le mode de suréchantillonnage dans DBHead.py dans la tête de modèle en "le plus proche"
Voici la phrase de la question et de la réponse. Le code de l'auteur a maintenant été modifié:
module_list = [
nn.Upsample(scale_factor=2, mode='nearest'),
nn.Conv2d(in_channels, inter_out_channels, 3, 1, 1, bias=bias)]Compléments de suivi pour d'autres problèmes.
Comment convertir un modèle pytorch en modèle onnx pour prendre en charge la mise à l'échelle.
Apprenez des questions de chacun: https://github.com/ouyanghuiyu/chineseocr_lite/issues/206
Oui, torch2onnx peut définir une forme dynamique, mais lorsque vous utilisez onnxsimplifier, vous devez spécifier input-shape, puis vous tourner vers ncnn. L'interp dans param est suivi d'une mise à l'échelle de taille fixe. Interp aura une mise à l'échelle de taille fixe à 3, 4 paramètres, puis I Les 6 paramètres Interp ont été modifiés pour réaliser la sortie dynamique de la taille.Selon le code fourni par @ zhengqicl, il peut être déduit normalement, et le résultat est correct. Je l'ai essayé tout à l'heure. Une fois le site Web converti directement, il n'y a pas de paramètres 3 ou 4. C'est la différence avec mon paramètre. Il peut être déduit directement. Il est facile à utiliser. Merci les gars.
