动态batch推理 about yolov7_plate HOT 6 OPEN

x = x.view(batchsize, -1, height, width)
-1是自动计算的意思，所以只能有1个，bs是-1了，第二项就不能再是-1了，我改成（batchsize，groups*channels_per_group，height，width）了，数字固定了

from yolov7_plate.

我也遇到了相同的问题，可视化发现concat和reshape算子那边有点问题，onnxruntime测试也是，最后定位在common.py的channel_shuffle这边，需要把batch_size设置为-1，其他对应修改就可以了。

from yolov7_plate.

哥们，很感谢你提供的解决方案，这个common.py是修改完后，需要重新训练一下模型吗？还是在导出为onnx的时候修改？

from yolov7_plate.

我也遇到了相同的问题，可视化发现concat和reshape算子那边有点问题，onnxruntime测试也是，最后定位在common.py的channel_shuffle这边，需要把batch_size设置为-1，其他对应修改就可以了。
哥们，很感谢你提供的解决方案，这个common.py是修改完后，需要重新训练一下模型吗？还是在导出为onnx的时候修改？

from yolov7_plate.

哥们，很感谢你提供的解决方案，这个common.py是修改完后，需要重新训练一下模型吗？还是在导出为onnx的时候修改？

应该不需要重新训练，导出的时候修改就可以。

from yolov7_plate.

def channel_shuffle(x, groups):
batchsize, num_channels, height, width = x.data.size()
channels_per_group = num_channels // groups

batchsize = -1

# reshape
x = x.view(batchsize, groups, channels_per_group, height, width)
x = torch.transpose(x, 1, 2).contiguous()

# flatten

x = x.view(batchsize, -1, height, width)
return x

哥们，你好，我在这个地方做了一下修改，导出的时候报错了，你那边具体是怎么修改的 方便说一下吗？

x = x.view(batchsize, -1, height, width)

RuntimeError: only one dimension can be inferred

from yolov7_plate.