ONNXRUNTIME | 您所在的位置:网站首页 › yolov5 onnx推理 › ONNXRUNTIME |
原标题:ONNXRUNTIME | Faster-RCNN ONNX模型在C++与Python推理不一致原因找到了 onnxruntime 推理python与c++支持 现象 最近用torchvision中的Faster-RCNN训练了一个自定义无人机跟鸟类检测器,然后导出ONNX格式,Python下面运行效果良好!显示如下: 然后我就想把这个ONNXRUNTIME部署成C++版本的,我先测试了torchvision的预训练模型Faster-RCNN转行为ONNX格式。然后针对测试图像,代码与测试效果如下: transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor]) sess_options = ort.SessionOptions # Below is for optimizing performance sess_options.intra_op_num_threads = 24 # sess_options.execution_mode = ort.ExecutionMode.ORT_PARALLEL sess_options.graph_optimization_level = ort.GraphOptimizationLevel.ORT_ENABLE_ALL ort_session = ort.InferenceSession( "faster_rcnn.onnx", sess_options=sess_options) src = cv.imread( "D:/images/cars.jpg") image = cv.cvtColor(src, cv.COLOR_BGR2RGB) blob = transform(image) c, h, w = blob.shape input_x = blob.view( 1, c, h, w) defto_numpy(tensor): returntensor.detach.cpu.numpy iftensor.requires_grad elsetensor.cpu.numpy # compute ONNX Runtime output prediction ort_inputs = {ort_session.get_inputs[ 0].name: to_numpy(input_x)} ort_outs = ort_session.run( None, ort_inputs) boxes = ort_outs[ 0] # boxes labels = ort_outs[ 1] # labels scores = ort_outs[ 2] # scores print(boxes.shape, boxes.dtype, labels.shape, labels.dtype, scores.shape, scores.dtype) index = 0 forx1, y1, x2, y2 inboxes: ifscores[index] > 0.5: cv.rectangle(src, (np.int32(x1), np.int32(y1)), (np.int32(x2), np.int32(y2)), ( 0, 255, 255), 1, 8, 0) label_id = labels[index] label_txt = coco_names[str(label_id)] cv.putText(src, label_txt, (np.int32(x1), np.int32(y1)), cv.FONT_HERSHEY_PLAIN, 1.0, ( 0, 0, 255), 1) index += 1 cv.imshow( "Faster-RCNN Detection Demo", src) cv.waitKey( 0) cv.destroyAllWindows 运行结果如下: 然后我把python代码转行为C++的代码,运行结果如下: 发现很多类型都变成 background类型 了,就是类型预测错误了!C++与Python推理使用的label-map文件完全一致,我晕了! 原因与修改 我仔细核对了两边预测输出三个层分别是boxes、labels、scores、解析顺序都没有错!然后我把python中输出三个层数据类型打印出来如下: print( boxes.shape, boxes.dtype, labels.shape, labels.dtype, scores.shape, scores.dtype)输出打印结果如下: ( 100, 4) float32( 100,) int64( 100,) float32可以证明: Boxes数据类型是浮点数 Labels数据类型是int64 scores数据类型是浮点数而我在ONNXRUNTIME C++获取输出的语句如下: constint* labels_prob = ort_outputs[ 1].GetTensorMutableData; // labels cv:: Mat det_labels(boxes_shape[ 0], 1, CV_32S, ( int*)labels_prob) ;直接用 int类型而不是int64 获取labels数据了,我立刻意识到是因为数据类型不一致导致的内存错误,我知道OpenCV中有个数据类型是int64,于是我把第一行代码改成: constint64* labels_prob = ort_outputs[ 1].GetTensorMutableData;发现OpenCV Mat没有支持int64的,无法创建这样的Mat对象! 所以我放弃了,直接读取数组,代码如下: int64 classId = labels_prob[i]; std:: cout |
CopyRight 2018-2019 实验室设备网 版权所有 |