PaddleSlim踩坑记录

项目场景：

最近，想用PaddleSlim来对我的efficientnetB0这个分类任务（pytorch模型）进行模型压缩，然天不遂人意，报了无数错误，才可以开始训练。需要注意的是我们训练出来的pt模型需要提前转换为onnx模型(对应yaml文件中的onnx format属性为True)或者paddle(对应yaml文件的onnx format改为False)格式。
训练代码可以参考我的另一篇文章：训练
数据的话，如果想使用自己的数据集，格式需要处理为ILSVRC2012的格式，处理代码参考这篇文章：数据集处理
踩坑如下：

---

问题一

问题描述

维度匹配失败，如图：

原因分析：

这里是因为我们转出onnx模型时设置的bs和PaddleSlim里设置的bs不对应，如我的就是导出onnx时的bs设置为1，而PaddleSlim里默认的32。

解决方案：

1、导出onnx时的bs设置为32
2、将PaddleSlim中你对应的yaml文件中的bs改为和你导出onnx时的一直，如我的，便在PaddleSlim/example/auto_compression/image_classification/configs/EfficientNetB0/qat_dis.yaml中进行如下修改：

不过建议还是方案一，如果问为什么，那我反问一句，训练模型的时候，为什么你设置的batch_size均为8的倍数，而不是1？

---

问题二

问题描述

报错如下：

原因分析

据开发人员说，是在config文件中设置了origin_metric参数（分类任务中一般为对应的yaml文件的最后一个参数），如图：

如果实际测试精度和填写的相差过大，便会报这个错

解决方案

1、删除origin_metric这个参数
2、将这个参数改为实际大小（建议保留2-3位小数，我这里改为0.9的时候，都出了这个错，直至改为0.939）

---

问题三

问题描述

报错如下：

原因分析

官方人员解释是：蒸馏节点设置的不对，程序会自动设置最后一个带参数op的输出为蒸馏节点进行训练，如图：

解决方案

删掉node这个参数，如图：

---

问题四

问题描述

报错如下：

原因分析

这个报错大概是因为我们的输入名字和配置文件不同

解决方案

将yaml文件中的第一个参数input_name设置为x2paddle_input，如图：

---

总结：以上就是我遇到的全部bug，由于资源问题，我这边训练到一半就结束了，所以压缩后的模型大小我这里就不做展示了，感兴趣的朋友可以做做。