This thread has been locked.
If you have a related question, please click the "Ask a related question" button in the top right corner. The newly created question will be automatically linked to this question.
工具与软件:
我尝试使用 Docker 环境、运行 Docker 后构建完成、没有出现任何问题。
但是、当编译完成后运行示例时、会出现以下系统日志。
在下面您可以看到系统日志
root@534d26dbec1f:/home/root source ./scripts/run_python_examples.sh
x64体系结构
运行4个模型-["cl-tfl-mobilenet_v1_1.0_224"、"s-tfl-deeplabv3_MNv2_ade20k_float"、"od-tfl-ssd_mobilenet_v2_300_float"、"od-tfl-ssdlet_mobiledet_dsp_320x320_coco"]
Running_Model : cl-TFL-mobilenet_v1_1.0_224
Running_Model : ss-tfl-deeplabv3_MNv2_ade20k_float
Running_Model : od-tfl-ssd_mobilenet_v2_300_float
Running_Model:od-tfl-ssdlet_mobiledet_dsp_320x320_coco
OD 主干节点数= 89
dBackboneNodeIds 的大小=89
TIDL 元管道(原型)文件:../../../models/public/ssdlite_mobiledet_dsp_320x320_coco_20200519.prototxt
OD 主干节点数= 112
dBackboneNodeIds 的大小= 112
子图的初始数量:1、81个节点委派到81个节点中
子图的初始数量:1、34个节点委派到34个节点中
子图的初始数量:1129个节点委派到129个节点中
TF Meta pipeline (Proto)文件:../../../models/public/ssdlite_mobiledet_dsp_320x320_coco_20200519.prototxt
num_classes : 91.
y_scale:10.000000
x_scale:10.000000
w_scale : 5.000000
H_SCALE:5.000000
NUM_KEYPOINTS:5.000000
Score_threshold:0.600000
IOU_THRESHOLD:0.450000
Max_detections_per_class:200
MAX_TOTAL_DETECTIONS:100
Scales、height_stride、width_stride、height_offset、width_offset
0.2000000、-1.0000000、-1.0000000、-1.0000000、-1.0000000
0.3500000、-1.0000000、-1.0000000、-1.0000000、-1.0000000
0.5000000、-1.0000000、-1.0000000、-1.0000000、-1.0000000
0.6500000、-1.0000000、-1.0000000、-1.0000000、-1.0000000
0.8000000、-1.0000000、-1.0000000、-1.0000000、-1.0000000
0.9500000、-1.0000000、-1.0000000、-1.0000000、-1.0000000
Aspect_Ratios
1.0000000
2.0000000
0.5000000
3.0000000
0.3333000
子图的初始数量:1107个节点委派到107个节点中
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
警告:请求的输出数据转换层未添加到网络中、它当前不是最佳的
******* 帧索引1:运行浮点导入********
******* 帧索引1:运行浮点导入********
******* 帧索引1:运行浮点导入********
(二
**所有型号检查均已通过**
(二
信息:[TIDL_ResizeLayer] ResizeBilinear_TIDL_0通过4x4大小调整层和2x2大小调整层的组合放置大小调整比率为2且大于4的任何大小调整比率。 例如、8x8的大小调整将替换为4x4的大小调整、然后是2x2的大小调整。
信息:[TIDL_ResizeLayer] ResizeBilinear_tIDL_1通过4x4大小调整层和2x2大小调整层的组合来放置大小调整比率为2且大于4的任何大小调整比率。 例如、8x8的大小调整将替换为4x4的大小调整、然后是2x2的大小调整。
信息:[TIDL_ResizeLayer] ResizeBilinear 任何大小调整比率(幂为2且大于4)都将通过4x4大小调整层和2x2大小调整层的组合进行放置。 例如、8x8的大小调整将替换为4x4的大小调整、然后是2x2的大小调整。
信息:[TIDL_ResizeLayer]解码器/大小双线性通过4x4大小调整层和2x2大小调整层的组合放置任何大小调整比率(2的幂和大于4的大小)。 例如、8x8的大小调整将替换为4x4的大小调整、然后是2x2的大小调整。
信息:[TIDL_ResizeLayer] ResizeBilinear_1通过4x4大小调整层和2x2大小调整层的组合来放置大小调整比率为2且大于4的任何大小调整比率。 例如、8x8的大小调整将替换为4x4的大小调整、然后是2x2的大小调整。
(二
** 5警告0错误**
(二
软限制为2048
硬性限制为2048
内存:初始化...!!!
内存:初始化...完成!!!
0.0s:vx_zone_init:Enabled
0.8s:vx_zone_error:Enabled
0.12s:vx_zone_warning:Enabled
软限制为2048
硬性限制为2048
内存:初始化...!!!
0.1742s:vx_zone_init:[tivxInit:190]初始化已完成!!!
内存:初始化...完成!!!
0.0s:vx_zone_init:Enabled
0.8s:vx_zone_error:Enabled
0.12s:vx_zone_warning:Enabled
0.1638s:vx_zone_init:[tivxInit:190]初始化已完成!!
******* 帧索引1:运行浮点导入********
(二
**所有型号检查均已通过**
(二
软限制为2048
硬性限制为2048
内存:初始化...!!!
内存:初始化...完成!!!
0.0s:vx_zone_init:Enabled
0.11s:vx_zone_error:Enabled
0.20s:vx_zone_warning:Enabled
0.2440s:vx_zone_init:[tivxInit:190]初始化已完成!!
在线程:1中失败
加速器致命错误:调用 cuLinkComplete 返回错误209:GPU 没有二进制文件
文件:/OpenACC/J721S2/c7x-mma-tidl/ti_dl/algo src tidl_alg.c
函数:_Z13TIDL_activateP8IALG_Obj:2475
线路:2547
在线程:1中失败
加速器致命错误:调用 cuLinkComplete 返回错误209:GPU 没有二进制文件
文件:/OpenACC/J721S2/c7x-mma-tidl/ti_dl/algo src tidl_alg.c
函数:_Z13TIDL_activateP8IALG_Obj:2475
线路:2547
(二
**所有型号检查均已通过**
(二
软限制为2048
硬性限制为2048
内存:初始化...!!!
内存:初始化...完成!!!
0.0s:vx_zone_init:Enabled
0.5s:vx_zone_error:Enabled
0.6s:vx_zone_warning:Enabled
0.1711s:vx_zone_init:[tivxInit:190]初始化已完成!!
在线程:1中失败
加速器致命错误:调用 cuLinkComplete 返回错误209:GPU 没有二进制文件
文件:/OpenACC/J721S2/c7x-mma-tidl/ti_dl/algo src tidl_alg.c
函数:_Z13TIDL_activateP8IALG_Obj:2475
线路:2547
在线程:1中失败
加速器致命错误:调用 cuLinkComplete 返回错误209:GPU 没有二进制文件
文件:/OpenACC/J721S2/c7x-mma-tidl/ti_dl/algo src tidl_alg.c
函数:_Z13TIDL_activateP8IALG_Obj:2475
线路:2547
您好!
您使用的是 AM69 SK 还是 J721s2 EVM?
如果您使用 EVM、请尝试 vision_Apps DL 演示
此致、
Nikhil
我使用 J721s2 EVM。
如果我尝试将深度学习网络应用于 EVM 或 TDA4AL (另一个 SOC)、是否不需要 TIDL 工具?
上部日志是提供的 Docker 环境中 TIDL 工具示例文件的结果。
TIDL 工具(https://github.com/TexasInstruments/edgeai-tidl-tools)