| # 模型转换 |
|
|
| ## 导出模型（ONNX） |
| 导出edsr onnx可以参考：https://github.com/sanghyun-son/EDSR-PyTorch/blob/master/src/main.py |
|
|
| 在main.py加上如下代码，可以正常导出onnx： |
| ``` |
| model = model.to('cpu') |
| target_onnx_file = './edsr_baseline_x2_1.onnx' |
| dummy_input = torch.randn(1, 3, 1080, 1920) |
| idx_scale = 0 |
| torch.onnx.export(model, |
| (dummy_input, idx_scale), |
| target_onnx_file, |
| export_params=True, |
| opset_version=11, |
| do_constant_folding=True, |
| dynamic_axes = {}, |
| ) |
| |
| print(f"Export model onnx to {target_onnx_file} finished") |
| ``` |
| 这里固定onnx输入尺寸为：1x3x1080x1920 |
|
|
| ## 动态onnx转静态 |
| ``` |
| onnxsim edsr_baseline_x2_1.onnx edsr_baseline_x2_1_sim.onnx --overwrite-input-shape=1,1,1080,1920 |
| ``` |
|
|
| ## 转换模型（ONNX -> Axera） |
| 使用模型转换工具 `Pulsar2` 将 ONNX 模型转换成适用于 Axera 的 NPU 运行的模型文件格式 `.axmodel`，通常情况下需要经过以下两个步骤： |
|
|
| - 生成适用于该模型的 PTQ 量化校准数据集 |
| - 使用 `Pulsar2 build` 命令集进行模型转换（PTQ 量化、编译），更详细的使用说明请参考 [AXera Pulsar2 工具链指导手册](https://pulsar2-docs.readthedocs.io/zh-cn/latest/index.html) |
|
|
| ### 量化数据集 |
| 准备量化图片若张，打包成Image.zip |
|
|
| ### 模型转换 |
|
|
| #### 修改配置文件 |
| |
| 检查`config.json` 中 `calibration_dataset` 字段，将该字段配置的路径改为上一步下载的量化数据集存放路径 |
|
|
| #### Pulsar2 build |
|
|
| 参考命令如下： |
|
|
| ``` |
| pulsar2 build --input edsr_baseline_x2_1.onnx --config ./build_config_edsr.json --output_dir ./output --output_name edsr_baseline_x2_1.axmodel --target_hardware AX650 --compiler.check 0 |
| |
| 也可将参数写进json中，直接执行： |
| pulsar2 build --config ./build_config_edsr.json |
| ``` |
|
|
