求助！多线程mobilenet ssd的C代码推断出错

模型是用caffe训练的mobilenet ssd模型转rknn的，检测类别为2（背景和行人），输入视频流大小640x480的，网络Input尺寸是300x300x3大小。推理出现内存报错。
之前用MIN_SCORE的大小跟demo中设置一样，出现了：validCount too much问题，现在将其设为0.9时，报错解决。但是出现了内存报错（free(): invalid next size (fast)munmap_chunk(): invalid pointer以及Segmentation fault等），但官方demo没有出现该问题。。。代码在附件，请大佬帮忙看下，谢谢！

多提供点信息。
1.转换模型这一步是在PC还是在Toybrick板子上执行的，rknn-toolkit的版本是多少
2.Toybrick板子固件是否是最新的，rknn-api和driver驱动是哪个版本？（这个在程序运行时会有打印信息）
3.推理出现内存报错，可以多加点调试信息，具体是哪一步执行之后出现内存报错。
4.出错的原因应该就局限在ssd_demo_person.cpp之中，因为我以前common也测试过其他不同的模型，也没有出现过内存的错误。但是不排除ssd_demo_person.cpp设置错误，导致common中出现报错。具体需要添加调试信息跟一下流程才知道。

1. 模型转换是在PC的Ubuntu虚拟机上做的，rknn-toolkit的版本是1.2.0;
2. rknn-api的版本为1.2.0，driver驱动版本为0.9.9；
3. 在第一次出现内存报错时，我尝试逐行cout去查找出错位置，发现在ret = test.load_model(model_path);之后报错，跟进去继续查找，发现common中rknn_test.cpp文件里int rknn_test::load_model(const char *path)这个函数中new的一个变量没释放，尝试加了delete[]，报错变成Segmentation fault等内存报错;
4. ssd_demo_person.cpp中目前相比ssd_demo.cpp，目前只把NUM_CLASSES改为2，MIN_SCORE改为0.9，其他没做修改。
补充：在转换模型时，发现如果只去掉detection_out层，会出现

1. --> Loading model
   
2. W Warning: Axis may need to be adjusted according to original model shape.
   
3. W Warning: Axis may need to be adjusted according to original model shape.
   
4. W Unhandle status: the input shape of reshape layer mbox_conf_reshape_116 is not 4-D
   
5. done
   
6. --> Building model
   
7. W Warning: Axis may need to be adjusted according to original model shape.
   
8. W Warning: Axis may need to be adjusted according to original model shape.
   
9. W Unhandle status: the input shape of reshape layer mbox_conf_reshape_116 is not 4-D
   
10. done
    
11. --> Init runtime environment
    
12. W [RK_nn_softmax_compute:45]Softmax's beta is 0. Set beta to 1
    
13. done
    
14. --> Running model
    
15. done
    

复制代码
最后的推断结果显示的图上是十分密集的框，于是，我把网络中detection_out层之前的reshape,softmax和flatten这三层也去掉进行转换，发现不再出现以上关于reshape和softmax的warning，并且最后推理结果不再出现密集的框，而是多个框（并没有进行量化，不清楚为啥会是多个框）。因为网络结构没改，输进网络尺寸跟demo给的一样300x300x3，所以priorbox.txt也直接用的demo提供的。模型转换代码和文件在附件。
谢谢！！

Devin 发表于 2020-2-26 18:23
1. 模型转换是在PC的Ubuntu虚拟机上做的，rknn-toolkit的版本是1.2.0;
2. rknn-api的版本为1.2.0，driver驱 ...

这是删了reshpe,softmax和flatten三层后转rk得到的推理结果（无量化）：file:///G:/share/detectOut.jpg

Devin 发表于 2020-2-26 18:23
1. 模型转换是在PC的Ubuntu虚拟机上做的，rknn-toolkit的版本是1.2.0;
2. rknn-api的版本为1.2.0，driver驱 ...

关于第三点，你说的rknn_test::load_model中new的变量没有释放，你是指output_size吗？如果是，在load_model当中是不能释放的，因为output_size是类的指针，用来存储输出模型的size信息，在类的其他接口中也有用到，output_size被释放，必定会导致段错误！！！
我的output_size释放，已经在rknn_test的析构函数中做了，无需改动。

另外，可以在load_model加下打印，看下从模型读取到的size和你预期的size是否一致。

troy 发表于 2020-2-27 14:59
关于第三点，你说的rknn_test::load_model中new的变量没有释放，你是指output_size吗？如果是，在load_mo ...

谢谢版主。前面已经有释放了，那里确实不用。您指的是load_model里的output_size[0]和output_size[1]的大小是吗？它们分别是30672(1917x16)和15336(1917x8)。转模型时推理的结果outputs[0]大小是1917x4，outputs[1]的大小是1917x2。不一致。。请问怎么解决呢

Devin 发表于 2020-2-27 17:19
谢谢版主。前面已经有释放了，那里确实不用。您指的是load_model里的output_size[0]和output_size[1]的大 ...

1.确定caffemodel实际的输出形状，你可以用https://lutzroeder.github.io/netron/加载caffe模型，查看你的输出节点的实际形状。
2.确定转换模型的时候，选择的输出节点，是否就是你想要的节点，是否和caffe模型中的节点一致。
3.你的附件中，ssd.py使用python进行推理，获取到的inference输出数据的大小是否和模型节点一致。
4.如果有使用caffe模型推理的源码，你也可以参考一下原始代码对输出数据的数据，进行对比。

troy 发表于 2020-2-28 08:53
1.确定caffemodel实际的输出形状，你可以用https://lutzroeder.github.io/netron/加载caffe模型，查看你 ...

1. caffemodel的实际输出形状如下图。
2. 这点不太清楚“选择的输出节点”，TF转rk是有output节点的，以下是rknn-toolkit1.2.0中mobilenet ssd中模型转化时加载原模型部分：
#rknn.load_tensorflow(tf_pb='./ssd_mobilenet_v1_coco_2017_11_17.pb',
     #                    inputs=['FeatureExtractor/MobilenetV1/MobilenetV1/Conv2d_0/BatchNorm/batchnorm/mul_1'],
     #                    outputs=['concat', 'concat_1'],
     #                    input_size_list=[[INPUT_SIZE, INPUT_SIZE, 3]])
但是load_caffe这里没有outputs：   
    ret = rknn.load_caffe(model='MobileNetSSD_deploy_std_truncate.prototxt',
                          proto='caffe',
                          blobs='ssd_iter_37985.caffemodel')
3. ssd.py获取的inference输出数据outputs[0]为1917x4（框的4个值），outputs[1]为1917x2（两类）。跟caffe模型输出节点是一致的。

caffemodel