Bitmain模型导出注意事项

1.导出bmodel模型命令格式

python3 -m bmnetp --model=model.pt --net_name=detect --target=BM1684 --outdir=detect --shapes="[1,416,416,3]" --opt=2 --cmp=true --dyn=true --enable_profile=true

2. bmodel模型输出个数与pt模型输出个数不一致

示例代码：

def forward(self, input_img):
        with torch.no_grad():
            hm, box = self.model(input_img)
            sigmoid_heatmap = hm.sigmoid()
            tlrb = torch.exp(box)
            pool_hm = nn.functional.max_pool2d(sigmoid_heatmap, kernel_size=3, padding=1, stride=1)
            return sigmoid_heatmap, tlrb, pool_hm

上述代码导出的pt模型将有3个输出：sigmoid_heatmap, tlrb, pool_hm。
在pt模型转bmodel过程中，其bmetp转换工具将sigmoid_heatmap当做输入，而从导致bmodel模型只有两个输出tlrb, pool_hm，推理引擎也只能识别出两个输出tlrb, pool_hm，而结点sigmoid_heatmap依旧存在，但是无法通过结点的名字来获取其中的tensor。
bitmain的推理引擎只能获取输出结点的tensor，而无法获取到中间结点的tensor。**

对上述代码做以下改动：

def forward(self, input_img):
        with torch.no_grad():
            hm, box = self.model(input_img)
            sigmoid_heatmap = hm.sigmoid()
            sigmoid_hm = hm.sigmoid()
            tlrb = torch.exp(box)
            pool_hm = nn.functional.max_pool2d(sigmoid_hm, kernel_size=3, padding=1, stride=1)
            return sigmoid_heatmap, tlrb, pool_hm

上述代码导出的pt模型将有3个输出：sigmoid_heatmap, tlrb, pool_hm。
生成的bmodel模型也有3个输出：sigmoid_heatmap, tlrb, pool_hm。