search

Yukun-Huang / Single-Human-Parsing-LIP

PSPNet implemented in PyTorch for single-person human parsing task, evaluating on Look Into Person (LIP) dataset.
MIT License
157 stars 27 forks source link

模型转换到C++精度丢失严重 #11

Open upperblacksmith opened 3 years ago

upperblacksmith commented 3 years ago

尝试将模型从pytorch-》onnx-》ncnn，转换期间由于各框架支持算子的限制，将adaptiveAvepooling换成普通的pooling,F.interplate的插值方式从bilinear换成了nearest,经过训练在python上能得到非常好的分割结果，但是转换到ncnn进行C++推理后，同样的图片分割结果很差，请问有人转PSPnet碰到过这钟问题吗？

wtingfeng commented 3 years ago

尝试将模型从pytorch-》onnx-》ncnn，转换期间由于各框架支持算子的限制，将adaptiveAvepooling换成普通的pooling,F.interplate的插值方式从bilinear换成了nearest,经过训练在python上能得到非常好的分割结果，但是转换到ncnn进行C++推理后，同样的图片分割结果很差，请问有人转PSPnet碰到过这钟问题吗？

请问 是否可以直接转为torchscript之后直接放入c++啊

xddlj commented 2 years ago

尝试将模型从pytorch-》onnx-》ncnn，转换期间由于各框架支持算子的限制，将adaptiveAvepooling换成普通的pooling,F.interplate的插值方式从bilinear换成了nearest,经过训练在python上能得到非常好的分割结果，但是转换到ncnn进行C++推理后，同样的图片分割结果很差，请问有人转PSPnet碰到过这钟问题吗？

请问一下，如何将adaptiveAvepooling换成普通的pooling,F.interplate的插值方式从bilinear换成了nearest,经过训练得到非常好的分割结果的？