将 Tensorflow 模型从对象检测 API 转换为 uff
Convert Tensorflow models from Object Detection API to uff
似乎无法从盒子 Mobilenet(以及 TF OD API 的其他模型)转换为 uff 格式,然后再转换为 TensorRT 格式,because of much unsupported layers。
有什么方法可以删除\替换那些层吗?例如使用 graph_transform 工具?我了解并非所有这些层的目的。
这里是default model,如果有人想试试
UFF 转换工具似乎在一些无法识别的层上卡住了,也许这会在 GA 版本中得到改进。现在,您需要删除这些层(并且只保留推理所需的最小子集),然后使用 nvinfer 插件 API.
实现这些层
从2017年至今仍无明显进展。
许多新网络已经开发出来,但是UFF和TensorRT转换器即使从2017年开始仍然无法与许多模型一起工作,关于2019年我能说什么。
互联网上也有一些间接信息,从某种意义上说,NVIDIA 的 UFF 和 TRT 转换工作在非常小的部门,只有几个人。所以这条路似乎是死胡同。
更好的方式和他们所指望的方式是框架本身内部的转换工具。喜欢 Tensorflow do with their TRT bindings.
通过这种方法,新层是由框架开发人员而不是 Nvidia 添加的,因为那里的人跟不上营销。因此最终获得工作工具的机会更多。
似乎无法从盒子 Mobilenet(以及 TF OD API 的其他模型)转换为 uff 格式,然后再转换为 TensorRT 格式,because of much unsupported layers。 有什么方法可以删除\替换那些层吗?例如使用 graph_transform 工具?我了解并非所有这些层的目的。 这里是default model,如果有人想试试
UFF 转换工具似乎在一些无法识别的层上卡住了,也许这会在 GA 版本中得到改进。现在,您需要删除这些层(并且只保留推理所需的最小子集),然后使用 nvinfer 插件 API.
实现这些层从2017年至今仍无明显进展。 许多新网络已经开发出来,但是UFF和TensorRT转换器即使从2017年开始仍然无法与许多模型一起工作,关于2019年我能说什么。
互联网上也有一些间接信息,从某种意义上说,NVIDIA 的 UFF 和 TRT 转换工作在非常小的部门,只有几个人。所以这条路似乎是死胡同。
更好的方式和他们所指望的方式是框架本身内部的转换工具。喜欢 Tensorflow do with their TRT bindings.
通过这种方法,新层是由框架开发人员而不是 Nvidia 添加的,因为那里的人跟不上营销。因此最终获得工作工具的机会更多。