環境構築

環境構築手順はこちらをご参照ください。

サンプルモデルの変換

mobilenetv2

ディレクトリを移動します。

$ cd /home/cvtool/conversion/onnx/mobilenetv2

モデル変換を実行します。

$ ./onnx_conversion.sh setting.conf

yolov5 / yolov8

サンプルモデルをダウンロードします。

(yolov5)
$ cd /home/cvtool/conversion/onnx/yolov5
$ ./setup_yolov5.sh

(yolov8)
$ cd /home/cvtool/conversion/onnx/yolov8
$ ./setup_yolov8.sh

モデル変換を実行します。

$ ./onnx_conversion.sh setting.conf

変換後のモデルは以下のディレクトリに出力されます。

• ambaCV2Xカメラ用のモデル

${OUTPUT_DIR}/${NET_NAME}/${PARSER_OPTION}/[モデル名]

• ambaCV5Xカメラ用のモデル

${OUTPUT_DIR}/${NET_NAME}_ambaCV5X/${PARSER_OPTION}/[モデル名]

モデルを変換する

1. /home/cvtool/conversion/onnxのどちらかのディレクトリをコピーしてください。

$ cd /home/cvtool/conversion/onnx
$ cp -r mobilenetv2 foo
$ cd foo

2. setting.conf を、変換するモデルに合わせて変更してください。
   

3. モデル変換を行います。

$ ./onnx_conversion.sh setting.conf

setting.conf仕様

# Network Name
NET_NAME=mobilenet_v2

# Path to Directory for ONNX Models
MODEL_DIR=./sample/mobilenet_v2/models

# Path to Directory for DRA Images
DRA_IMAGE_DIR=../../dra_img

# Path to Directory for Output Data
OUTPUT_DIR=./out

# Quantization Mode
#  FIX8  : Fixed-point  8bit
#  FIX16 : Fixed-point 16bit
#  MIX   : FIX8/FIX16 mixed
PARSER_OPTION=MIX

# Input Data Format (0:NHWC, 1:NCHW)
IN_DATA_FORMAT=1

# Input Data Channel
IN_DATA_CHANNEL=3

# Input Data Width
IN_DATA_WIDTH=224

# Input Data Height
IN_DATA_HEIGHT=224

# Input Data Mean Vector
IN_MEAN=103.94,116.78,123.68

# Input Data Scale
# IN_SCALE=1/Scale
IN_SCALE=58.823529411

# RGB or BGR (0:RGB, 1:BGR)
IS_BGR=1

# Output Layers Name
OUT_LAYER=mobilenetv20_output_flatten0_reshape0

# Unique preprocess
# if use im2bin -> NONE
# if use unique preprocess -> script path
PREPRO=NONE
PREPRO_ARG=""

# Input file data format
IN_DATA_FILEFORMAT=0,0,0,0

# Transpose indices(NONE:without transpose , 0,3,1,2:transpose (EX))
IN_DATA_TRANSPOSE=NONE

• NET_NAME：ネットワーク名

  • 任意の名前を設定できます。

• MODEL_DIR：onnxファイルが格納されたディレクトリ

  • ディレクトリ下の全てのモデルに対して、変換処理を実行します。

• IMAGE_DIR：量子化の最適化処理で使用する、画像ファイルが格納されたディレクトリ

  • 学習に使った画像を格納してください。100～200枚が推奨枚数です。

  • 画像フォーマットはJPEGやPNGなど、OpenCVで対応しているものです。

  • 任意サイズの画像を使用可能です。

• OUTPUT_DIR：変換後のデータ出力先ディレクトリ

• PARSER_OPTION：量子化モード

  • FIX8/FIX16/MIX(FIX8/FIX16混合）から選択します。

• IN_DATA_CHANNEL：モデルの入力画像チャネル数

• N_DATA_WIDTH：モデルの入力画像サイズ(幅)

• IN_DATA_HEIGHT：モデルの入力画像サイズ(高さ)

• IN_MEAN：入力画像の正規化パラメータ（平均値）

  • 以下のように”,”の間に空白を入れないようにしてください。
    IN_MEAN=127.5,127.5,127.5

• IN_SCALE：入力画像の正規化パラメータ（スケール）

  • チャネルごとに異なる設定値にする場合は、”,”で値を区切ってください。”,”の間には空白を入れないようにしてください。

• IS_BGR：入力画像のフォーマット（RGB or BGR）

• OUT_LAYER：ネットワークの出力ノード名

  • 複数指定する場合は”,”で区切ってください。

  • 以下の記号が入出力ノード名に含まれている場合、正常に変換できない可能性があります。
    : |　;　,　‘

• PREPRO：前処理スクリプトパス(python)

  • スクリプトの作り方は“/home/cvtool/common/prepro.py”を参照してください。

• PREPRO_ARG：前処理スクリプトの引数

• IN_DATA_FILEFORMAT：入力データのフォーマット

  • 例：uint8->0,0,0,0, float32->1,2,0,7, float16->1,1,0,4

  • IN_DATA_FILEFORMAT を”0,0,0,0”から変更した場合はPREPROの設定が必要になります。

• IN_DATA_TRANSPOSE：入力データに対してTRANSPOSE を行う場合指定する

変換エラーが出る場合には

cvtool に入っている graph_surgery コマンドでモデルを修正することで、解決する可能性があります。graph_surgeryの詳細はこちらをご覧ください。

• モデルの中に、cvtool でサポートしていないノードがある場合
  以下のコマンドで修正してください。

  $ graph_surgery.py onnx -m (修正前のモデル名) -o (修正後のモデル名) -t CVFlow

  cvtool がサポートするノードについてはこちらをご覧ください。
  
  また、モデルの中にサポートしていないノードがあるかは、onnx_print_graph_summary.py コマンドで確認することができます。

  $ onnx_print_graph_summary.py -p (モデル名)

• 入力の形状(shape)に可変値がある場合

  

  以下のコマンドで固定値に置き換えます。

  $ graph_surgery.py onnx -m (修正前のモデル名) -o (修正後のモデル名) -isrc "i:input|is:1,3,960,960" -t SetIOShapes

• 入力の形状が NHWC、かつモデルの最初に NCHWに transpose している場合

  

  モデルの先頭からTransposeノードまでを切り離します。

  $ graph_surgery.py onnx -m (修正前のモデル名) -o (修正後のモデル名) -isrc "i:(Transposeノードの出力名)|is:1,3,224,224" -t CutGraph

• OUT_LAYER で指定したノードに、特定の記号( : |　;　,　‘ )が含まれている場合

  特定の記号を含まないように、ノード名を変更します。

  $ graph_surgery.py onnx -m (修正前のモデル名) -o (修正後のモデル名) -t "RenameTensors(変更前のノード名=変更後のノード名)"

  
  複数のノード名を変更する場合は、','で区切ってください。

  -t "RenameTensors(node::1=node1,node::2=node2)"