txy

> @txy00001 感谢反馈 > > 麻烦描述一下您的业务场景、部署场景，然后通过百度云提供一下ONNX模型吧～ > > 另外，也需要您描述一下为什么会有转到Paddle部署的需求呢？ 是将训练好的[pytorch](https://so.csdn.net/so/search?q=pytorch&spm=1001.2101.3001.7020)模型转成paddlepaddle的inference_model，然后直接使用paddlepaddle载入使用。官方提供的X2paddle 模型链接：链接：https://pan.baidu.com/s/1FmZfrv9L606xLIzSo8-WCA 提取码：4562

> @txy00001 具体业务场景可以描述一下吗，然后为什么会有转到Paddle的需求呢～ 利用paddle推理模型与pytorch进行对比

> 请问FastDeploy的PP_OCR_v3是否支持FP32、FP16、INT8的推理部署？另外多batch推理如何开启？  我改为了fp16，但为啥我推理同一张图片和fp32时间几乎一样？请问这是为啥呢？

> 看起来像是用法不对，从代码报错来看这个det_model现在是个str， 可以贴下更完整的代码，或者调试看下det_model的值是否符合你的预期。 现在跑通了，出来的结果也符合预期，但是我开启FP16，速度和fp32的基本一样，没有明显的加速，是为啥呢？ 以下是我的代码    是我开启fp16的方法错了么？，可以正常保存cache_16.trt

> 你这个加速的问题现在解决了吗@txy00001 我已经改掉了，有0.02-0.04s的提升

 ，没有新视频输出

> 路过回复下（非官方），我猜测是传入模型的帧数太多了，比如你说的1s视频，1280x720,如果是30帧，需要的显存也不少了，应该在几十G的量级。 所以你需要确定： > > 1. editor.infer传入video， 是解码所有帧然后将所有帧调用模型;还是使用max_seq_len参数来窗口调用;具体逻辑见代码：https://github.com/open-mmlab/mmagic/blob/main/mmagic/apis/inferencers/video_restoration_inferencer.py#L126 > 2. 如果1.是将所有帧传入，那么就是因为帧数过多导致oom;如果1是已经只传部分帧，那么在你这个分辨率下，需要将部分帧减少（max_seq_len参数），来避免oom 至于如何修改max_seq_len参数，你需要找下怎么对inferencer传参，整体的模型参数逻辑在 [https://github.com/open-mmlab/mmagic/blob/main/mmagic/apis/mmagic_inferencer.py#L150，看起来是会读取一个默认的配置文件](https://github.com/open-mmlab/mmagic/blob/main/mmagic/apis/mmagic_inferencer.py#L150%EF%BC%8C%E7%9C%8B%E8%B5%B7%E6%9D%A5%E6%98%AF%E4%BC%9A%E8%AF%BB%E5%8F%96%E4%B8%80%E4%B8%AA%E9%BB%98%E8%AE%A4%E7%9A%84%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6) 感谢，我试一下

在train里添加 

I would like to ask what is the detection effect of the target covered by the occlusion, and what is the detection rate?