关于rknn3399proD是否支持conv3D(3D卷积)的测试

     由于网络中使用了conv3d，所以准备测试一下板子能否转换成功，主要的思路是先写一个只有一层3D卷积层的网络模型，然后对其权重进行初始化，将网络和参数保存为pth文件。接下来有两个思路，一种是将pth文件通过torch的jit包转换为pt文件，然后将pt文件转换为rknn文件（pth--->pt--->rknn）；另一种思路是先将pt文件转换为onnx文件，再将onnx文件转换为rknn文件（pth--->onnx--->rknn）。    两种方案的第一步转换都成功了，但是在第二步的时候，都失败了。其中，pt--->rknn出现的错误是：
图片请看附件

可以看出，在3d卷积这一层出现了错误。由于使用了3D卷积，padding自然也是3维的，但是报错提示只支持2维的padding。
onnx--->rknn的报错为：
图片请看附件

可以看到，报错为列表索引越界，并且是在匹配3D卷积的时候报的这个错误。在报错的倒数第二行看到了filter_shape的关键字，因此推测是由于3D卷积的filter是[3, 3, 3]，3维的形状，但是转换不支持3维的filter，因此报这个错误。
    在以上实验中，所使用的rknn_toolkit版本为1.6，pytorch版本1.4、1.5、1.6均测试过，故排除版本影响。综合以上实验，基本可以认为目前版本对conv3D不太支持。当然由于学识有限，所做实验或有遗漏之处，所得到的结论可能也不是很严谨，希望论坛中有大佬可以指正。
附所测试的网络结构：图片请看附件

我最近也想在rk3399pro上跑包含3D卷积的网络，一直没尝试过，非常感谢楼主的研究，真是特别严谨和详细，楼主辛苦！