注意:我导出YOLOv8的模型是很正常的,也很快。
模型代码详情见附件的python文件
模型导出环境
Ubuntu20.04 x86
CANN:6.3.RC1
Python:3.9.18
导出使用的命令:atc --model=My_simplified_model.onnx --framework=5 --output=my_model --input_format=NCHW --log=error --soc_version=Ascend310 --input_shape="input.1:1,3,512,512" --enable_small_channel=1 --output_type=FP32
My_simplified_model.onnx 模型的输入和输出信息如下

转换过程中CPU占用率也很奇怪:在我的x86计算机上基本上模型转换能有个20%的CPU占用,但是在转换这个模型的时候CPU占用率1%-2%,不报错,但是也没有什么变化。
在 香橙派 AIpro 16GB上面进行转换结果如下:

香橙派 AIpro 的CPU性能应该很弱,进行模型转换基本都是满载,但是目前只是26%的占用。
因此不清楚模型转换过程究竟有什么问题。
模型代码详情见附件的python文件
模型导出环境
Ubuntu20.04 x86
CANN:6.3.RC1
Python:3.9.18
导出使用的命令:atc --model=My_simplified_model.onnx --framework=5 --output=my_model --input_format=NCHW --log=error --soc_version=Ascend310 --input_shape="input.1:1,3,512,512" --enable_small_channel=1 --output_type=FP32
My_simplified_model.onnx 模型的输入和输出信息如下
转换过程中CPU占用率也很奇怪:在我的x86计算机上基本上模型转换能有个20%的CPU占用,但是在转换这个模型的时候CPU占用率1%-2%,不报错,但是也没有什么变化。
在 香橙派 AIpro 16GB上面进行转换结果如下:
香橙派 AIpro 的CPU性能应该很弱,进行模型转换基本都是满载,但是目前只是26%的占用。
因此不清楚模型转换过程究竟有什么问题。