sigmoid and exponential pool performance, accelerate with numpy

[wpbird007]

No description provided.

[JensenHJS]

老哥真的稳 感谢感谢

[JensenHJS]

I find yolo layer is very slow.But you solve the problem. thank you

[liguoyu666]

您好，请问用numpy实现激活函数，比pytorch自带的要快些吗？

[JensenHJS]

就是官方实现的速度慢，yolo层很慢，你照他那个改就行了

[liguoyu666]

就是官方实现的速度慢，yolo层很慢，你照他那个改就行了

谢谢，这个yolo层更快的原理是numpy比pytorch实现跑的快吗？
我再请教个问题，我用官方的yolov3.weights转换成onnx，再转换成tensorrt后，加速并不明显，几乎没有，是这个原因吗？
另外，我用自己训练的yolov3的权重转换完成后，推理时报错：
"/home/lgy/PycharmProjects/TensorRT_yolo3_module/trt_yolo3_module_1batch.py", line 101, in detection output = output.reshape(shape) ValueError: cannot reshape array of size 3549 into shape (1,255,13,13)
不是用的这份代码，用的那份代码也是根据官方代码改的，是不是自己用pytorch训练后需要把权重转换成darknet官方格式，准备明天用这份代码试下转换自己训练的权重

[JensenHJS]

yolo转tensorRT，里面除了yolo层之外，其他的都是支持的层，所以yolo层是另外单独写的，其他支持的层是到onnx再到tensorrt这个流程，另外，他这个是不依赖训练框架的，yolo层是纯python另外写的，官方那个慢，主要是yolo层耗了很多时间

[liguoyu666]

yolo转tensorRT，里面除了yolo层之外，其他的都是支持的层，所以yolo层是另外单独写的，其他支持的层是到onnx再到tensorrt这个流程，另外，他这个是不依赖训练框架的，yolo层是纯python另外写的，官方那个慢，主要是yolo层耗了很多时间

您好，我用自己训练的yolov3权重转trt时，始终报如下的错，用了两份代码，包括你这份，报的错都一样，使用官方权重就没问题
File "/home/lgy/PycharmProjects/yolov3-tensorrt-master/onnx_to_tensorrt.py", line 112, in
trt_outputs = [output.reshape(shape) for output, shape in zip(trt_outputs, output_shapes)]
ValueError: cannot reshape array of size 3549 into shape (1,255,13,13)
我是改为416输入的