TinyQi

另外有3个情况跟您反映一下，可能可以方便您排查问题。 1. 我使用的模型是固定输入的，我在导出V4的开源静态模型时，我定死了输入尺寸，导出的模型是固定输入的（shape:[1,3,960,960] 2. 我将模型的输出从原来的2个，改成了只有一个输出（只保留了sigmoid_11.tmp_0这个输出）。因为我一开始直接使用V4模型进行量化训练的时候，会报错。报错信息如下，因为我对比了示例中V3模型的模型，发现V3模型只有一个输出，为此我就尝试只保留一个输出，实验证明如果只保留一个输出的话，就不会崩溃，但是模型量化结果不尽人意。 Traceback (most recent call last): File "run.py", line 157, in main() File "run.py", line 150, in main ac.compress() File "/home/anaconda3/envs/paddle_2.4.1_gpu/lib/python3.7/site-packages/paddleslim/auto_compression/compressor.py", line 594, in compress train_config)...

量化训练脚本为：PaddleSlim/example/auto_compression/ocr/run.py

感谢作者的热心回复，请问， 1. 我看您的代码中有一个Tokenlizer类，这个类中直接返回了一个数组（看起来是"a diagram", "a dog", "a cat"的token），那么如果我是其他的英文单词的话，怎么转换成这个token数组呢？ 2. 在您提到的“点prompt生成的mask再送入CLIP”中，mask是指通过裁剪的小图，还是裁剪后二值图，还是mask原图啊

好的，再次感谢作者的无私贡献。谢谢您。我先根据您的指导，尝试在C++下实现这个功能

> > 好的，再次感谢作者的无私贡献。谢谢您。我先根据您的指导，尝试在C++下实现这个功能 > > 那太好了，我这边就等着你的实现了 哈哈哈，我这边挺菜的，不一定搞的定呢

楼主好，我这边按照python的代码尝试了复现，目前遇到了一些问题，跟你分享一下，希望楼主分享一下你的建议： 目前我做到的程度，主要是跟python端的代码比（automatic_mask_generator.py）： 1. 在python端和C++端使用同样的输入图像（我保存了c++程序的中间图像，作为python那边准备进行CLIP图像编码的输入图） 2. 在经过一定的预处理后，C++端的图像指针内容与python中图像数组的值是一样的 3. 同样的文本token，经过CLIP文本模型编码后，在python端和c++端结果是一样的 输入图像我也查看了python的代码，应该说我实现的C++版本应该是大差不离的，以下是我生成的局部目标图   但是现在遇到的问题是，程序运行的结果与期望的结果不符，我测试的时候用到是一张“小猫”图像和一张“小狗”图像，但是： 1. 小猫和小狗在经过文本与图像融合后，得分并没有差的很开 我使用了默认的“a dog”， “a cat”提示词，从数值上勉强可以区分，但是不理想  2. 在我加入“person”之后的提示词，得分竟然高过了猫和狗 我使用了官方推荐的“a photo of dog”， “a photo of cat”提示词， 

> > 如题如图，需要使用低版本onnx导出模型，拜托楼主啦。 > > 等我整理一下，尽快发给你 万分感谢啦，我已经跑通CPU了，但是由于我的生产环境的驱动版本很低，所以必须降版本。