住房和城乡建设部的网站首页杭州做搜索引擎网站的公司

目录

1、获取FLOP和参数

2、发布模型

3、转换为ONNX

4、打印整个配置

---

除了训练/测试脚本，在tools/目录下提供了许多有用的工具 。

1、获取FLOP和参数

提供了一个适用于flops-counter.pytorch的脚本，用于计算给定模型的FLOP和参数。

python tools/get_flops.py ${CONFIG_FILE} [--shape ${INPUT_SHAPE}]

将得到这样的结果：

==============================
Input shape: (3, 2048, 1024)
Flops: 1429.68 GMac
Params: 48.98 M
==============================

注意：此工具仍处于试验阶段，我们不保证该数字正确。您可以将结果用于简单的比较，但是在将其用于技术报告或论文之前，请仔细检查。

1）FLOP与输入形状有关，而参数与输入形状无关。默认输入形状为（1、3、1280、800）。

2）某些运算符不像GN和自定义运算符那样计入FLOP中。

2、发布模型

在将模型上载到AWS之前，您可能需要：

1）将模型权重转换为CPU张量；

2）删除优化器状态；

3）计算检查点文件的哈希并将哈希ID附加到文件名中。

python tools/publish_model.py ${INPUT_FILENAME} ${OUTPUT_FILENAME}

例如，

python tools/publish_model.py work_dirs/pspnet/latest.pth psp_r50_hszhao_200ep.pth

最终的输出文件名将为。psp_r50_512x1024_40ki_cityscapes-{hash id}.pth

3、转换为ONNX

我们提供了将模型转换为ONNX格式的脚本。可以通过Netron等工具将转换后的模型可视化。此外，我们还支持比较Pytorch和ONNX模型之间的输出结果。

python tools/pytorch2onnx.py ${CONFIG_FILE} --checkpoint ${CHECKPOINT_FILE} --output-file ${ONNX_FILE} [--shape ${INPUT_SHAPE} --verify]

注意：此工具仍处于试验阶段。目前尚不支持某些自定义运算符。

4、打印整个配置

tools/print_config.py 逐字打印整个配置，扩展所有导入。

python tools/print_config.py ${CONFIG} [-h] [--options ${OPTIONS [OPTIONS...]}]