吕文玉

> dn_positive_idx = paddle.split(dn_positive_idx, ``` File "/home/gy/workspace/work/RT-DETR/rtdetr_paddle/ppdet/modeling/transformers/utils.py", line 294, in get_contrastive_denoising_training_group dn_positive_idx = paddle.split(dn_positive_idx, ``` 找到这一行 把 dn_positive_idx的shape, 和 [n * num_group for n in num_gts]打印出来看下 另外 提一个新的issue吧

> 如何训练自己的数据集呢 https://github.com/PaddlePaddle/PaddleDetection/blob/develop/docs/tutorials/data/PrepareDetDataSet.md

> 请问有没有对比过INT8下的速度表现呢 已经在做了，( 如果用INT8 RT-DETR可能优势会更明显 ( 总的时间缩短 但是带后处理的模型 后处理时间是稳定的

训练的自己的数据吧, 应该是val.json里的类别不全， `category_id = label_to_cat_id_map[int(num_id)]`换成`category_id = int(num_id)`试一下，，或者参考这个issue https://github.com/PaddlePaddle/PaddleDetection/issues/4777

> 请问如何对转出的onnx和trt进行推理呢 谢谢 在readme里有 具体操作的步骤

> 请问 File "D:\Code\LJJ\rtdetr\PaddleDetection\ppdet\core\workspace.py", line 229, in create raise ValueError("The module {} is not registered".format(name)) ValueError: The module RTDETRTransformer is not registered 这是什么原因呢？ pull最新的代码试一下， 我们这边测试没有出现你说的这个情况

> 请问有添加到FastDeploy的计划么？ 已经在做了 @hhxdestiny

> 什么时候可以支持fastdeploy呢？ 现在就已经支持的

> 我的输入数据是两张灰度图像，请问官方有相应的加载方法吗？或者有提供解决思路吗？ 在backbone那个位置 把输入的channel 3改成 1

> > > 请问有没有对比过INT8下的速度表现呢 > > > > > > 已经在做了，( 如果用INT8 RT-DETR可能优势会更明显 ( 总的时间缩短 但是带后处理的模型 后处理时间是稳定的 > > 大佬，能否考虑尽可能的全量化，而不是根据敏感度分析，做部分量化。谢谢谢谢 https://github.com/PaddlePaddle/PaddleDetection/tree/develop/deploy/auto_compression/configs