工具与软件:
您好!
我正在与您联系、因为我想知道我是否可以转换 Pytorch 中的 resnet50、其中我已更改或添加了一些层。 我看到 ResNet50支持转换、而且您使用的是 PyTorch 模型。
谢谢!
Anaïs μ A
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:
您好!
我正在与您联系、因为我想知道我是否可以转换 Pytorch 中的 resnet50、其中我已更改或添加了一些层。 我看到 ResNet50支持转换、而且您使用的是 PyTorch 模型。
谢谢!
Anaïs μ A
您好、 Anaïs
是的、您应该能够使用 Pytorch 修改后的 RESNET。 我们的工具可以采用 TFLITE 或 ONNX 格式模式。 您应该将模型从 Pytorch 导出为 ONNX 格式--您可以在此过程中依赖典型/最新的 Pytorch 文档(几行代码)。 您需要确保使用支持的选项集导出该选项-我们已使用 TI 深度学习(TIDL)堆栈启用了选项集8、11和18。
支持原始 resnet50。 您尚未提到更改/添加了哪些层、因此我将引导您转到支持的层类型页面: https://github.com/TexasInstruments/edgeai-tidl-tools/blob/master/docs/supported_ops_rts_versions.md。本节将介绍支持哪些层以及在哪些配置下(例如、我们支持 Conv、但并非所有可能的内核大小)
请记住、这是受版本控制的--如果您使用的是较旧的 SDK 版本、则应检查文档中与此版本相匹配的发行标签。 例如、使用9.1 SDK 意味着使用标签 09_01_08_00 (最后一个数字表示错误修正发布版本)或其他标记为09_01_XX 的版本。
BR、
Reese
Reese、您好!
感谢您的答复。 我已经检查并确认我的所有新的或修改的层都受支持。 现在、我将根据您在此处的说明尝试编译我的 ONNX 模型: