- 这是plcs_onnx测试代码项目,
onnx文件通过mmdeploy项目将mmpose代码转换而来，tools文件夹中包含的是图像预处理代码、模型后处理代码； - 使用CPU时需要切换环境为
cutlerByLRX，GPU切换环境为mmdeploy,并在main.py中切换device；以下报错既是环境错误：
/opt/rh/devtoolset-8/root/usr/include/c++/8/bits/stl_vector.h:932: std::vector<_Tp, _Alloc>::reference std::vector<_Tp, _Alloc>::operator[](std::vector<_Tp, _Alloc>::size_type) [with _Tp = int; _Alloc = std::allocator<int>; std::vector<_Tp, _Alloc>::reference = int&; std::vector<_Tp, _Alloc>::size_type = long unsigned int]: Assertion '__builtin_expect(__n < this->size(), true)' failed.
weights/unquant中保存的是 非量化onnx权重,hrnet_w32, gpu/cpu；- 推理代码全部放在predict中，继承自 BasePredict；
onnx/tensorrt推理结束后得到的结果会重新放到GPU中，相比于cpu后处理，gpu的处理速度下降了2个量级，从0.03->0.0001,目前处理速度瓶颈主要在预处理部分，后续想办法优化。- 预处理阶段耗时：总时长0.08，
cv2.imread()读取图片时长接近于0.08，warpAffine操作仅耗时0.001