0

我需要在 Android 上运行一个自定义的 GluonCV 对象检测模块。

我已经在自定义数据集上微调了模型 (ssd_512_mobilenet1.0_custom)，我尝试使用它运行推理（加载训练期间生成的 .params 文件），一切都在我的计算机上运行良好。现在，我需要将其导出到 Android。

我指的是这个答案来弄清楚程序，有3个建议选项：

  1. 您可以使用 ONNX 将模型转换为其他运行时，例如 [...] NNAPI for Android
  2. 您可以使用TVM
  3. 您可以使用 SageMaker Neo + DLR 运行时[...]

关于第一个，我将模型转换为 ONNX。但是，为了与 NNAPI 一起使用，需要将其转换为 daq。在存储库中，他们提供了 onnx2daq 的预编译 AppImage 来进行转换，但脚本返回错误。我检查了问题部分，他们报告说“它实际上对所有 onnx 对象检测模型都失败了”。

然后，我尝试了 DLR，因为它被认为是最简单的方法。据我了解，为了将我的自定义模型与 DLR 一起使用，我首先需要使用 TVM 编译它（这也涵盖了链接帖子中提到的第二点）。在 repo 中，他们提供了一个 Docker 镜像，其中包含一些针对不同框架的转换脚本。我修改了“compile_gluoncv.py”脚本，现在我有了：

#!/usr/bin/env python3

from tvm import relay
import mxnet as mx
from mxnet.gluon.model_zoo.vision import get_model
from tvm_compiler_utils import tvm_compile

shape_dict = {'data': (1, 3, 300, 300)}
dtype='float32'
ctx = [mx.cpu(0)]

classes_custom = ["CML_mug"]
block = get_model('ssd_512_mobilenet1.0_custom', classes=classes_custom, pretrained_base=False, ctx=ctx)
block.load_parameters("ep_035.params", ctx=ctx) ### this is the file produced by training on the custom dataset


for arch in ["arm64-v8a", "armeabi-v7a", "x86_64", "x86"]:
  sym, params = relay.frontend.from_mxnet(block, shape=shape_dict, dtype=dtype)
  func = sym["main"]
  func = relay.Function(func.params, relay.nn.softmax(func.body), None, func.type_params, func.attrs)
  tvm_compile(func, params, arch, dlr_model_name)

但是，当我运行脚本时，它会返回错误：

ValueError: Model ssd_512_mobilenet1.0_custom is not supported. Available options are
    alexnet
    densenet121
    densenet161
    densenet169
    densenet201
    inceptionv3
    mobilenet0.25
    mobilenet0.5
    mobilenet0.75
    mobilenet1.0
    mobilenetv2_0.25
    mobilenetv2_0.5
    mobilenetv2_0.75
    mobilenetv2_1.0
    resnet101_v1
    resnet101_v2
    resnet152_v1
    resnet152_v2
    resnet18_v1
    resnet18_v2
    resnet34_v1
    resnet34_v2
    resnet50_v1
    resnet50_v2
    squeezenet1.0
    squeezenet1.1
    vgg11
    vgg11_bn
    vgg13
    vgg13_bn
    vgg16
    vgg16_bn
    vgg19
    vgg19_bn

难道我做错了什么？这件事甚至可能吗？

附带说明一下，在此之后，我还需要在 Android 上部署姿势检测模型（simple_pose_resnet18_v1b）和活动识别模型（i3d_nl10_resnet101_v1_kinetics400）。

4

2 回答 2

1

错误消息是不言自明的 - 没有模型“ ssd_512_mobilenet1.0_custom ”支持mxnet.gluon.model_zoo.vision.get_model。您将 GluonCVget_model与 MXNet Gluon混淆了get_model。

代替

block = get_model('ssd_512_mobilenet1.0_custom',
    classes=classes_custom, pretrained_base=False, ctx=ctx)

和

import gluoncv
block = gluoncv.model_zoo.get_model('ssd_512_mobilenet1.0_custom',
    classes=classes_custom, pretrained_base=False, ctx=ctx)
于 2021-03-03T10:33:40.617 回答
1

您实际上可以使用Deep Java Library (DJL)在 Android 上直接运行 GluonCV 模型 您需要做的是：

  1. 混合您的 GluonCV 模型并保存为 MXNet 模型
  2. 为 android 构建 MXNet 引擎，MXNET 已经支持Android构建
  3. 将 MXNet 共享库包含到您的 android 项目中
  4. 在你的 android 项目中使用 DJL，你可以按照这个DJL Android demo for PyTorch
于 2021-03-03T20:01:20.680 回答