pp-shituv2主体检测模型运行到predictor_->Run()处导致arm64 Debian11板子重启 #10568
Comments
|
首先确定一下你运行的是 paddle-lite-demo 哪个 demo ？自己有修改过吗？还有，除了这个板子，在 RK3399 或 android 手机上会有问题吗？ |
|
开始使用的是PaddleClas-2.5.2/deploy/lite_shitu/中的Demo代码，后面使用PaddleDetection-2.7.0/deploy/lite中的Demo代码，使用ppshituv2的主体检测模型结果都一样，RK3588 Debian11重启 |
|
主体检测模型文件 |
|
mainbody_PPLCNet_det_lite.nb.gz |
|
我和你一样的问题 卡非常久了 模型导出尝试导出w/o后处理的可以不报错 但是识别与使用转换nb前的模型对比 压根识别不准 |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
为使您的问题得到快速解决，在建立 Issue 前，请您先通过如下方式搜索是否有相似问题: 历史 issue, FAQ 文档, 官方文档
建立 issue 时，为快速解决问题，请您根据使用情况给出如下信息：
标题：简洁、精准描述您的问题，例如“ssd 模型转换报错”
版本、环境信息：
1）Paddle Lite 版本：请提供您的 Paddle Lite 版本号，尝试过v2.10rc、v2.12、v2.13rc、develop 9b53b4a
2）Host 环境：请描述 Host 系统类型、OS 版本，如 RK3588 Debian11.6
模型信息
1）模型名称 pp-shituv2主体检测模型
2）模型链接
复现信息：提供 OPT 使用命令或方法，用于复现问题
-复现环境 目标系统 OS RK3588 debian11
PaddleDetection: 2.7和PaddleDetection: 2.3
PaddleClas-2.5.2
cuda 12.0
按照官方文档： PP-ShiTu在Paddle-Lite端侧部署中的
2.1.2 使用其他模型里的
2.1.2.2 转换示例---转换主体检测模型和转换识别模型
问题描述：请详细描述您的问题，同步贴出报错信息、日志/代码关键片段
PP-ShiTuv2的主体检测模型picodet的inference模型通过paddlelite opt工具转成nb模型放到RK3588 arm64板子上运行，运行时直接导致RK3588 Debian11系统重启；
用官方文档的量化nb模型运行正常，官方的量化是ppshituv2_lite_models_v1.0/mainbody_PPLCNet_x2_5_640_quant_v1.0_lite.nb 和general_PPLCNetV2_base_quant_v1.0_lite.nb。
官方的文档里也只讲把export_model导出的inference模型用opt转换，并未涉及到主体检测模型的量化，查看代码也未看见主体检测的量化配置文件。
1、我是在RK3588 Debian11上运行的，paddle-lite试过V2.10rc、V2.12、V2.13rc和develop，还自己在RK3588 Debian特意编译了V2.13rc和develop两个版本预测库也不行，按照文档一步一凑的使用v2.10rc也不行，除了使用文档提供的量化模型，其它怎么操作都不行
2、我使用RK3588 的CPU，不涉及到它的NPU
3、代码运行到predictor_->Run() 系统重启
4、做过两端版本一致的测试，即PC机opt转换端和RK3588端的预测库是一致的，并且还试过直接在RK3588上使用opt-v2.13rc工具转换nb模型，使用v2.13rc的预测库，都一样的结果系统重启
5、使用 PaddleDetection: 2.7版本Deploy中的lite代码，在RK3588 Debian11上编译成可执行文件；模型使用picodet_s_320_coco_lcnet.pdparams，模型通过export_model.py、opt模型转换nb、convert_yml_to_json.py转换JSON，最后在板子上运行没有问题，并且图片能够被检测出结果
6、不知道PP-ShiTuv2模型按文档操作进行转换为啥不行
7、在PaddleDetection/issues提问后，他们给我确认是paddlelite问题
The text was updated successfully, but these errors were encountered: