pytorch转onnx验证_人脸识别部署-人脸关键点（后续1）-验证pfld速度

pfld项目地址：https://github.com/github-luffy/PFLD_68points_Pytorch （感谢作者）

algmodelconvert项目：https://gitee.com/mumulin19/algmodelconvert.git

嵌入式平台：hi3559a

nnie推理时间：2ms，提升很大，能到1ms以下就完美了

1 修改工程

（1）修改model2.py文件，注释ResNest50相关代码，我们不验证此网络 （有需要可以私信我）

（2）修改pytorch2ncnn.py文件，使用MobileNetV2模型，输入改为3*112*112 （有需要可以私信我）

2 转模型->onnx

#安装onnxsim pip3 install onnx-simplifier #转成onnx模型 python3 pytorch2ncnn.py #优化onnx模型 python3 -m onnxsim pfld_out.onnx pfld_out_sim.onnx

3 转模型onnx->caffe

onnx模型转caffe在笔者的algmodelconvert工程中。

转模型遇到了问题，笔者使用的是此工程的MoileNetV2的模型，MoileNetV2的激活函数用的是Relu6，转成onnx是Clip，caffe不支持Clip，也不支持Relu6，所以笔者修改了转模型文件，把Clip当做Relu处理，修改代码如下：

_ONNX_NODE_REGISTRY = {

"Conv": _convert_conv,

"Relu": _convert_relu,

"Clip": _convert_relu,

"BatchNormalization": _convert_BatchNorm,

"Add": _convert_Add,

"Mul": _convert_Mul,

"Reshape": _convert_Reshape,

"MaxPool": _convert_pool,

"AveragePool": _convert_pool,

"Dropout": _convert_dropout,

"Gemm": _convert_gemm,

"Upsample": _convert_upsample,

"Concat": _convert_concat,

"ConvTranspose": _convert_conv_transpose,

"Sigmoid": _convert_sigmoid,

"Flatten": _convert_Flatten,

"Transpose": _convert_Permute,

"Softmax": _convert_Softmax,

}

这样修改可能会有精度问题，但是本次笔者只想验证速度，如想提高精度，可以在本工程的train.py(pytorch训练)脚本中，把activation=nn.ReLU6改成activation=nn.ReLU重新训练尝试一下。

4 转模型caffe->wk

cafef模型转wk模型在笔者的algmodelconvert工程中。

5 merge bn

py代码在笔者的algmodelconvert工程中。

6 验证pfld速度

1 速度2ms，比pfpld的11ms提升不少，应该与此项目使用的MobileNet架构有关。

2 由于笔者在转模型的时候把Relu6改成了按Relu处理，而模型训练使用的是Relu6，精度上肯定会有一定损失，想要提高精度，可以把激活函数换成Relu重新训练试试。