求助OpenPose模型inference结果错误

我按照上一次直播的内容对openpose模型进行转换, 并在toybrick执行inference过程, 发现预测结果全部为0. 此外, 在toybrick上的推理时间约为8秒. 这与直播中提到的效率有一定差距.

求助:

1. 模型转换代码和推理程序代码如下, 请帮忙查看是否正确;
2. 直播中提到的源码和模型将会放到开源社区中进行分享, 请问下载链接在哪里.

1. #!/usr/bin/env python
   
2. # -*- coding: utf-8 -*-
   
3. 
   
4. from rknn.api import RKNN
   
5. 
   
6. INPUT_SIZE = 64
   
7. 
   
8. if __name__ == '__main__':
   
9.     # 创建RKNN执行对象
   
10.     rknn = RKNN(verbose=True)
    
11. # 配置模型输入，用于NPU对数据输入的预处理
    
12. # channel_mean_value='0 0 0 255'，那么模型推理时，将会对RGB数据做如下转换
    
13. # (R - 0)/255, (G - 0)/255, (B - 0)/255。推理时，RKNN模型会自动做均值和归一化处理
    
14. # reorder_channel=’0 1 2’用于指定是否调整图像通道顺序，设置成0 1 2即按输入的图像通道顺序不做调整
    
15. # reorder_channel=’2 1 0’表示交换0和2通道，如果输入是RGB，将会被调整为BGR。如果是BGR将会被调整为RGB
    
16. #图像通道顺序不做调整
    
17.     rknn.config(channel_mean_value='0 0 0 255', reorder_channel='2 1 0')
    
18. 
    
19. # 加载TensorFlow模型
    
20. # tf_pb='digital_gesture.pb'指定待转换的TensorFlow模型
    
21. # inputs指定模型中的输入节点
    
22. # outputs指定模型中输出节点
    
23. # input_size_list指定模型输入的大小
    
24.     print('--> Loading model')
    
25.     # rknn.load_tensorflow(tf_pb='digital_gesture.pb',
    
26.     #                      inputs=['input_x'],
    
27.     #                      outputs=['probability'],
    
28.     #                      input_size_list=[[INPUT_SIZE, INPUT_SIZE, 3]])
    
29.     ret = rknn.load_caffe(model='./pose_deploy_linevec.1.prototxt',
    
30.                             proto='caffe', blobs='./pose_iter_440000.caffemodel')
    
31.     print('done', ret)
    
32. 
    
33. # 创建解析pb模型
    
34. # do_quantization=False指定不进行量化
    
35. # 量化会减小模型的体积和提升运算速度，但是会有精度的丢失
    
36.     print('--> Building model')
    
37.     rknn.build(do_quantization=False)
    
38.     print('done')
    
39. 
    
40.     # 导出保存rknn模型文件
    
41.     rknn.export_rknn('./openpose.rknn')
    
42. 
    
43.     # Release RKNN Context
    
44.     rknn.release()

复制代码

1. rknn_context context;
   
2.         int ret = rknn_init(&context, model_buf, model_len, RKNN_FLAG_PRIOR_HIGH);
   
3.         if (model_fp)
   
4.         {
   
5.                 fclose(model_fp);
   
6.                 model_fp = NULL;
   
7.         }
   
8.         if (model_buf)
   
9.         {
   
10.                 free(model_buf);
    
11.                 model_buf = nullptr;
    
12.         }
    
13.         if (ret < 0)
    
14.         {
    
15.                 std::cerr << "rknn init fail" << std::endl;
    
16.                 return -1;
    
17.         }
    
18.         rknn_sdk_version version;
    
19.     rknn_query(context, RKNN_QUERY_SDK_VERSION, &version, sizeof(rknn_sdk_version));
    
20.     std::cout << "api version: " << version.api_version << std::endl;
    
21.     std::cout << "driver version: " << version.drv_version << std::endl;
    
22. 
    
23.          std::chrono::time_point<std::chrono::system_clock> startTP = std::chrono::system_clock::now();
    
24. 
    
25.         cv::Mat resized_img;
    
26. cv::Size target_size = cv::Size(160, 160);
    
27.         cv::resize(input, resized_img, target_size);
    
28. rknn_input inputs[1];
    
29.         inputs[0].index = 0;
    
30.         inputs[0].buf = resized_img.data;
    
31.         inputs[0].size = 3 * 160 * 160;
    
32.         inputs[0].pass_through = false;
    
33.         inputs[0].type = RKNN_TENSOR_UINT8;
    
34.         inputs[0].fmt = RKNN_TENSOR_NCHW;
    
35.         ret = rknn_inputs_set(context, 1, inputs);
    
36.         if (ret < 0)
    
37.         {
    
38.                 std::cerr << "set input fail" << std::endl;
    
39.                 return -1;
    
40.         }
    
41. 
    
42. ret = rknn_run(context, nullptr);
    
43.         rknn_output outputs[1];
    
44.         outputs[0].want_float = true;
    
45.         outputs[0].is_prealloc = false;
    
46.         ret = rknn_outputs_get(context, 1, outputs, nullptr);
    
47.         if (ret < 0)
    
48.         {
    
49.                 std::cerr << "get outputs fail" << std::endl;
    
50.                 return -1;
    
51.         }
    
52. 
    
53. void* ptr = (void*)(outputs[0].buf);
    
54.         int sz[] = {1, 57, 20, 20};
    
55.         cv::Mat netOutputBlob(4, sz, CV_32F, ptr);
    

复制代码

能否将培训的 openpose 例程给开放出来。我们可以学习验证下

同问，能否将例程开放出来？谢谢

视频直播可以参考：http://www.yizhibo.com/l/NwUIt9Jg9GY5N7e5.html?p_from=pRoom.AnchorReplay

Lee 发表于 2019-5-28 09:28
同问，能否将例程开放出来？谢谢

直播地址参考我的回复

请问楼主问题解决了吗，我复现不了官方教程，出现以下错误：
"TypeError: 'NoneType' object is not iterable"