ValueError: versión del conjunto de opciones ONNX no compatible: 13
Motivo: la versión de pytorch es demasiado baja. Originalmente, mi pytorch era 1.7.0 y se informaría el error anterior. No hay problema para actualizar a pytorch1.9.0.
Solución:
Método 1: la configuración de opset_version en torch.onnx.export es más baja, puede intentar establecerla en 11;
Método 2: actualice la versión de pytorch. (Debido a que estoy cuantificando el modelo, se debe requerir opset_version = 13, y este método solo se puede usar. Actualicé la versión de pytorch a 1.9.0 y la versión de torchvision a 0.10.0, para que no se informe ningún error )
Después de actualizar Torch, si se informa un error de biblioteca dinámica
Por ejemplo, se informó el siguiente error
/nms/details.cpython-36m-x86_64-linux-gnu.so: undefined symbol: _ZN6caffe28TypeMeta21_typeMetaDataInstanceIdEEPKNS_
Solución: Simplemente vuelva a compilar y genere la biblioteca dinámica correspondiente.
de escribir import OrderedDict ImportError: no se puede importar el nombre 'OrderedDict' de 'escribir'
Motivo: hay un conflicto de versión entre la versión de Python y typing.py, pero no hay una clase OrderedDIct en el typing.py compatible, por lo que se informará de dicho error, que en realidad implica una discrepancia de versión.
Solución:
Método 1: elimine OrderedDict en la declaración de importación, agregue una línea de colecciones de importación, luego reemplace todos los OrderedDict en el código con collections.OrderedDic
Método 2: tome el siguiente código como ejemplo
from typing import Any, List,OrderedDict, Union
cambie a
from typing import Any, List, Union
from collections import OrderedDict
el objeto de tipo 'QuantAdaptiveAvgPool2d' no tiene el atributo 'default_quant_desc_weight'
quant_desc_weight = kwargs.pop('quant_desc_weight', quant_cls.default_quant_desc_weight)
AttributeError: type object 'QuantAdaptiveAvgPool2d' has no attribute 'default_quant_desc_weight'
No sé cómo resolverlo, solo puedo usar el método más estúpido: no cuantificar AdaptiveAvgPool2d