Jason
Jason
与图片大小没关系，你的模型结构是FasterRCNN， 骨干网络是什么呢，我们自己来测一下
> 在使用pyramidbox_lite_mobile_mask.export_onnx_model()导出onnx模型报错，错误提示：Exception: Error happened when mapping node ['conv2d_0'] to onnx, which op_type is 'conv2d' with inputs: {'Bias': [], 'Filter': ['crelu.w_0'], 'Input': ['image'], 'ResidualData': []} and outputs: {'Output': ['conv2d_0.tmp_0']}, specific error:...
> 需要将onnxruntime升级到最新
> https://github.com/PaddlePaddle/X2Paddle/blob/develop/docs/pytorch_project_convertor/API_docs/utils/torch.utils.data.DataLoader.md > > 这里最后一行好像self写错了 确实写错了，你能提一个pull request来直接修复这个问题吗？
目前Paddle的官方文档中确实没有支持SubsetRandomSampler
@zhizhusheng Hi， 能麻烦直接上传下你的TensorFlow FrozenGraph格式的 pb 模型吗
@zhizhusheng 你能先试下使用tf2onnx，将模型转成onnx后，再使用x2paddle进行转换吗
Hi, @xixiaoyao 是HuggingFace的模型转换吗，参考下这个文档 https://github.com/PaddlePaddle/X2Paddle/blob/develop/docs/inference_model_convertor/toolkits/HuggingFace2paddle.md 需要注意一下版本依赖 - python >= 3.5 - transformers 4.16.0 - PyTorch 1.7.1 - PaddlePaddle 2.3.0 - ONNX 1.9.0
这里的output_node_names检查下是否是正确的输出节点；对于分类模型而言，一般最后一个节点是softmax或fc全连接层 -------------------- 另外你这里的模型是用于什么场景下的呢？例如什么业务，用什么部署方式之类的
Hi, @franva PyTorch转成Paddle模型有两种方式 - 1. Pytorch转成ONNX，再将ONNX模型通过X2Paddle转成Paddle模型 - 2. 直接使用X2Paddle的接口进行转换 关于第二种方式，可以参考文档 https://github.com/PaddlePaddle/X2Paddle/blob/develop/docs/inference_model_convertor/demo/pytorch2paddle.ipynb 如若转换失败，可再反馈给我们