硬件hisi3519av100
yolov5s移植,鉴于yolov5中的upsample,silu,maxpool等的op在nnie上不一致,做出如下修改。
## 模型修改。
### 参考官方的yolov5 4.0版本
+ git clone -b v4.0 https://github.com/ultralytics/yolov5.git/
### 修改处1, utils/activations.py 增加如下:
class ReLU(nn.Module):
@staticmethod
def forward(x):
return nn.ReLU(x)
### 修改处2,models/common.py 35行修改激活函数
+ ~~self.act = nn.SiLU() if act is True else (act if isinstance(act, nn.Module) else nn.Identity())~~
+ 添加 self.act = nn.ReLU() if act is True else (act if isinstance(act, nn.Module) else nn.Identity())
### 修改处3, models/comon.py 98行修改maxPool ,修改ceil_mode方式
+ self.m = nn.ModuleList([nn.MaxPool2d(kernel_size=x, stride=1, padding=x // 2, ceil_mode = True) for x in k])
### 修改处4 modes/yolov5s_
+ ~~[-1, 1, nn.Upsample, [None, 2, 'nearest']],~~
+ 添加 [-1, 1, nn.ConvTranspose2d, [256,256, 2, 2]],
### 修改处5, models/yolov5s.yaml
+ ~~[-1, 1, nn.Upsample, [None, 2, 'nearest']],~~
+ 添加 [-1, 1, nn.ConvTranspose2d, [128 ,128, 2, 2]],
### 转换ONNX修改: models/export.py , 修改了opset_version
+ torch.onnx.export(model, img, f, verbose=False, opset_version=10, input_names=['images']...
### 参考 https://github.com/Wulingtian/yolov5_caffe
+ 将ONNX 转为caffe模型。
### 最后caffe模型中的premute和reshape层,nnie不支持,去掉premute层(一共有三层)reshape改为需要的输出。