本文共 1333 字，大约阅读时间需要 4 分钟。

NCNN在官方源码中有一个例程，simple pose，今天试了一下效果。

整体来说，优化得太过，效果不行。

过程如下。

首先，在gluoncv中转换生成模型pose.param, pose.bin，python 源码如下，

其中，用

export_block('simple_pose_resnet18_v1b', net, preprocess=True, layout='HWC') 转换出来的不能成功部署到NCNN上，所以在python源码中我注释掉了。

# this one works OK for TestFcn_method2-symbolimport mxnet as mximport gluoncv as gcvfrom gluoncv.utils import export_blocknet = gcv.model_zoo.get_model('simple_pose_resnet18_v1b', pretrained=True)#pose_net = model_zoo.get_model('simple_pose_resnet18_v1b', pretrained=True)net.hybridize()#try & uncomment the below code to generate:#it seems the below export method is NOT OK for NCNN#export_block('simple_pose_resnet18_v1b', net, preprocess=True, layout='HWC')#the below method is OK for NCNNdata_shape = (1, 3, 512, 512)input_data = mx.nd.random.uniform(-1, 1, data_shape)_ = net(input_data)net.export('pose')# uncomment the below code to displayprint(net)print('Done.')# have a view of what has been done!import globprint(glob.glob('*.json') + glob.glob('*.params'))print('All Done.')

第二步

然后，用下面的命令来生成ncnn.param和ncnn.bin，生成后把名字改成pose.param, pose.bin。

mxnet2ncnn pose-symbol.json pose-0000.params

第三步

此时，你就可以用ncnn中的simplepose来进行测试了，例如

simplepose COCO_val2014_000000324595.jpg

 

我直接用gluoncv测试的效果是这样的，

由于目前对NCNN的源码还不熟悉，所以也不清楚到底哪里出了问题。

对于NCNN的其他模型，作者介绍得最详细的我只找到这个，按照作者介绍的步骤，也成功部署了。

《详细记录YOLACT实例分割ncnn实现》

 

 

 

转载地址：http://wtwoi.baihongyu.com/