MNN模型转换报Don't support type [ ConvolutionDepthwise ]

最新推荐文章于 2023-08-18 16:36:45 发布
最新推荐文章于 2023-08-18 16:36:45 发布
阅读量831 收藏
点赞数
分类专栏： mnn 文章标签： mnn caffe
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lei19880402/article/details/101273039
版权
在将caffe模型转换为MNN模型时遇到'Don't support type [ ConvolutionDepthwise ]'异常。解决方案是，当分组数量等于输入和输出通道数，且卷积核为1xKxK时，将ConvolutionDepthwise替换为Convolution，并设置group属性等于输出通道数。修改prototxt文件并验证转换后模型的feature map一致。
摘要由CSDN通过智能技术生成

MNN模型转换Don't support type [ ConvolutionDepthwise ]

问题

当将caffe模型转换成mnn模型时抛如下异常

Start to Convert Other Model Format To MNN Model...
[16:34:45] :143: Don't support type [ ConvolutionDepthwise ], for conv1_1/dw_new
Start to Optimize the MNN Net...
[16:34:45] :46: Inputs: data
[16:34:45] :56: Outputs: relu1_1/in/pw_new, Type = Convolution
Converted Done!

解决方法

当分组数量等于输入map数量&#

最低0.47元/天 解锁文章
joey.lei
关注
专栏目录
Depthwise卷积与Pointwise卷积
干巴他爹的小本本
08-12 12万+
Depthwise(DW)卷积与Pointwise(PW)卷积，合起来被称作Depthwise Separable Convolution(参见Google的Xception)，该结构和常规卷积操作类似，可用来提取特征，但相比于常规卷积操作，其参数量和运算成本较低。所以在一些轻量级网络中会碰到这种结构如MobileNet。 常规卷积操作 对于一张5×5像素、三通道彩色输入图片（shape为...
caffe测试模型时遇到的问题
kapok_lalala的博客
12-03 1578
*** Aborted at 1512277255 (unix time) try "date -d @1512277255" if you are using GNU date *** PC: @     0x7f1596a63745 (unknown) *** SIGSEGV (@0x0) received by PID 15515 (TID 0x7f1598f087c0) from PI
MNN框架源码解读--Convert模块
JKANG94的博客
05-30 1644
Convert模块-模型转换 一、编译Convert cd MNN/ ./schema/generate.sh mkdir build cd build cmake .. -DMNN_BUILD_CONVERTER=true && make -j4 二、转换命令 进入build目录，可以看到刚才编译出的可执行文件MNNConvert。 tensorflow: ./MNNConvert -f TF --modelFile XXX.pb --MNNModel XXX.mnn --bizCode
Mnn 模型转化指南
丝萝愿为乔木的博客
02-07 1213
MNN模型转化以及量化的方法指南
【KAWAKO】MNN-将pytorch训练出的pth模型转为mnn模型并进行训练量化
本平台停止更新，后续文章将在个人博客blog.kawako.fun发布
04-23 3428
目录 将pytorch训练好的.pth模型转为.onnx模型 使用MNNConvert命令将.onnx模型转为.mnn模型（linux上进行） 报错解决 大概过程就是 未完待续 将pytorch训练好的.pth模型转为.onnx模型 import torch import torch.onnx import models # 读取模型 model = models.crnn(inputdim=64, outputdim=1, pretrained_file= "trainedModel..
阿里0.2.1.5 MNN模型转换工具
12-12
阿里深度学习框架MNN 在ubantu环境下编译好的MNN模型转换工具 版本号为0.2.1.5 MNN是一个轻量级的深度神经网络推理引擎，在端侧加载深度神经网络模型进行推理预测。目前，MNN已经在阿里巴巴的手机淘宝、手机天猫...
一个mnn模型的demo, 用来测试 mnn 环境是否OK
08-05
MNN是通过将神经网络模型转换成特定的数据格式，以便在CPU、GPU、DSP等多种硬件平台上高效执行。其核心特点包括： 1. **轻量级**: MNN设计的目标是极致优化模型的体积和运行时性能，使其能在资源有限的移动设备上...
mnn windows 转换工具 1.2.0
08-25
MNN Windows转换工具1.2.0是该框架的重要组成部分，主要负责将预训练的深度学习模型转换为MNN模型格式，以便在Windows平台上运行。这个release版是目前的最新版本，经过了编译验证，确保了稳定性和可用性。 一、MNN...
mnist的MNN模型
03-15
mnist的MNN模型
ncnn之五：caffe模型转ncnn模型
mingo_敏
01-06 54
6 ncnn测试示例 6-1 下载权重并转换到caffe新版本 # 下载alexnet的deploy文件 https://github.com/BVLC/caffe/tree/master/models/bvlc_alexnet # 下载caffemodel权重 http://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodel # 手动修改dep...
unet MNN
最新发布
u012483097的博客
08-18 241
【代码】unet MNN。
MNN框架学习（二）：使用MNN部署模型
热门推荐
sinat_31425585的博客
10-01 1万+
这里代码其实大部分来自于xiongdongzhang的github项目：https://github.com/xindongzhang/MNN-APPLICATIONS，个人觉得学习一个新东西，最开始的步骤应该是用起来，至于怎么用起来，可以先参考一下别人怎么用的，将代码拆分、重组和封装，通过这一系列的过程，我们就可以基本掌握这个新东西的使用方法，会用之后，才考虑原理的学习。 这里...
【MNN学习四】基于MNN的MobileNetSSD测试
My Blogs
11-21 2040
目录 1. MobileNetSSD网络模型下载 2. Caffe转MNN 3. 将MobileNetSSD_deploy.caffemodel.mnn进行量化 4. 在RK3399 CPU上测试MobileNetSSD(Benchmark 测试方法) 1. MobileNetSSD网络模型下载 下载链接：https://github.com/C-Aniruddh/realt...
基于NCNN框架的MTCNN&移植
木木林19的博客
06-20 1529
基于NCNN框架的MTCNN1 地址2 编译3 交叉编译 1 地址 https://www.cnblogs.com/cpuimage/p/8995600.html git:https://github.com/cpuimage/MTCNN 其中包含了ncnn的地址 2 编译 1 注意ncnn目录，需要从腾讯的ncnn git下来 2 mtcnn有转换好的模型文件，也可以自己搭建matlab+caf...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值