ValueError: current model is not supported by esp-dl

[gjhave]

使用esp-dl中的example量化我的YOLO模型时，提示：ValueError: current model is not supported by esp-dl 错误，
请看我的代码和模型结构，我的模型中，只用了con2d, batchnormal, leakyrelu,convtranspos2d,add,concat
这些算子esp-dl中的量化算子规范都是支持的，不知道为什么还会提示不支持。
我使用的是esp-dl-release-1.1分支，esp-idf-v4.4分支

代码和报错提示

1.png (63.64 KiB) Viewed 63370 times

模型结构

model.png (655.58 KiB) Viewed 63370 times

[ESP_Sandra]

Hi
convtranspose2d 没有支持哦

[gjhave]

Hi
convtranspose2d 没有支持哦

请问在sdk中，有什么可以替代的吗？主要是上采样

[@Shawn]

可以直接复制相邻像素来做上采样，具体可以看
torch.nn.Upsample: https://pytorch.org/docs/stable/generat ... ample.html

[gjhave]

可以直接复制相邻像素来做上采样，具体可以看
torch.nn.Upsample: https://pytorch.org/docs/stable/generat ... ample.html

您好！感谢回复！
我也尝试过padding，transposeconv2d，nn.upsample等其他方法来进行上采样，训练是没有问题的，但会带来其他几个问题：
1、不同的上采样方法，在转ONNX并进行量化的过程中，由于图优化的过程可能会产生一些胶水层，会增加运算量
2、具体部署过程的工具由ESP官方提供，这些上采样的方法或者算子，dl_layer中并没有提供，图优化过程中产生的胶水层也不太可控，dl_layer中更不可能支持
3、也想过，在模型中把一些算子手动实现，然后用手动部署，通过自定义层，过程中结合model_coefficient.hpp手动复现，想想这种方法的不可控因素也挺多，因为毕竟手写算子可能也会有权重参数和相关逻辑，一切最终效果都依赖esp-dl，性能和效果都不确定，开发会耗费大量时间
4、不光是上采样的问题，这两天又碰到deptwidth_conv的问题，我的模型用pytorch写的，torch中是没有这个算子的，只能用conv2d把，input,output,groups都设置成相等来实现，这样写的模型，经过转onnx和量化出来的结果图中还是conv2d层，但是我看esp-dl下的dl_layer_conv2d定义是不知groups参数的。因此要想用deptwidt_conv，可能得用tf重写一遍模型。
总之，还是要先熟悉esp-dl和芯片的性能，再根据实际情况调整自己的模型，各种算子的加速效果也要尝试测试。
如果能得到官方支持，相信会轻松很多

[ESP_Sandra]

hi 有没有试过用 tvm 部署呢？https://github.com/espressif/esp-dl/releases/tag/v2.0