机器学习
文章平均质量分 97
fradeet
这个作者很懒,什么都没留下…
展开
-
解决昇腾 MindX 多用户下 Python 导入不成功的问题(MxpiDataType_pb2 例)
因为在多用户运行模式下,默认的 MindX SDK 权限不足。将 MindX SDK 中的文件权限提升,便可正常执行。原创 2023-08-24 14:03:45 · 1710 阅读 · 4 评论 -
昇腾 MindStudio IDE 中好用的工具(模型转换、模型查看、日志查看、MindX)-开发昇腾应用
介绍昇腾 MindStudio 中的,方便昇腾应用开发的组件,涉及模型转换,模型可视化,代码编写、调试。原创 2023-08-18 18:00:39 · 1233 阅读 · 3 评论 -
换种方式描述昇腾 AscendCL 推理流程 - 使用 Python 与 Atlas 200I DK A2 开发者套件
昇腾文档拥有完整的流程推理流程步骤,但是其中一些地方笔者难以理解,于是就重点讲述其中的不清晰的点。原创 2023-07-29 14:27:22 · 435 阅读 · 0 评论 -
昇腾 CANN 入门推理全流程 - 超分辨率 (PyTorch, ONNX, AscendCL)
简要说明流程:从研究记录中选择一个模型作为实验(首选 SR 超分辨率模型)MAN 轻量有预训练模型开源将 SR 模型转换为中间格式 (MindIR, ONNX)PyTorch 转换为 ONNXONNX 要打开动态输入将中间格式模型转换为昇腾 OM 模型OM 模型需要预设动态分辨率动态分辨率越多转换越久使用 AscendCL 进行推理改写了昇腾原有示例整个自身的体验流程就告一段落了。原创 2023-06-29 14:48:39 · 2236 阅读 · 1 评论 -
解决问题:将 MAN 模型在昇腾 310 设备上推理做准备
探寻将 ONNX 模型转换为昇腾 OM 模型时会遇到的问题以及预先对策。需要为昇腾 310 设备声明多个分辨率大小不一的图片需要补全成输入分辨率才可推理 (PIL)复用 AscendCL 示例加快推理代码编写时间实现 MAN 模型在原代码的预处理方法(颜色归一化)原创 2023-06-26 23:40:40 · 528 阅读 · 1 评论 -
PyTorch 转 ONNX 动态输入、张量格式 - 将 MAN 超分辨率模型转换为 ONNX 模型
生成一个测试张量,这个张量需要和之前训练模型的张量结构相等,你可以通过调试来获取以前的张量结构,一般是 BCHW 格式。导入相关程序库并输入我们要的参数,将仓库内的 MAN_arch.py 单独使用生成模型网络,并转换为推理模式。testTensor = torch.tensor([[[[1]],[[1]],[[1]]]]) # 这个是整数型的张量。MAN 的多个模型是通过调整网络的参数来实现切换的,参数说明在 options 文件中有定义。最重要的是精度比较好的。模型输入节点的名字是可更改的,详见。原创 2023-06-14 22:40:40 · 858 阅读 · 1 评论 -
PyTorch 模型转换为 ONNX 模型初体验
尝试 PyTorch 模型转换为 ONNX 模型。在 PyTorch 中,模型的可学习参数(即权重和偏差)包含在模型的参数(使用 访问)中。原创 2023-06-03 17:48:06 · 822 阅读 · 1 评论