在Vitis AI中编译神经网络时出错，“在super_const_dict中找不到op :名称:解码器_节_1_UpConv_1/内核”
在Vitis AI中编译神经网络时出错，“在super_const_dict中找不到op :名称:解码器_节_1_UpConv_1/内核”
提问于 2021-10-15 11:00:34
我正在跟踪一个关于在片上系统(ARM处理器+ Xilinx )中实现神经网络的Xilinx教程，并且在编译步骤中出现了一个错误。
我在Matlab2020b中训练了一个U-Net，并通过onnx2keras导出到Keras，并遵循本教程的步骤，没有任何错误：
- 验证在Matlab和Vitis AI (正确出口)中获得相同的测试成绩。
- 将Keras模型转化为TF检查点和推理图。
- 冻结TF图。
- 量化从32位浮点到8位定点.
- 运行编译器(解析原始模型时出错)。
完整的错误消息是：
Traceback (most recent call last):
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/bin/xnnc-run", line 33, in module
sys.exit(load_entry_point('xnnc==1.4.0', 'console_scripts', 'xnnc-run')())
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/lib/python3.6/site-packages/xnnc/__main__.py", line 49, in main
runner.normal_run(args)
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/lib/python3.6/site-packages/xnnc/runner.py", line 123, in normal_run
target=target,
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/lib/python3.6/site-packages/xnnc/xconverter.py", line 145, in run
model_files, model_type, _layout, in_shapes, batchsize
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/lib/python3.6/site-packages/xnnc/core.py", line 123, in make_xmodel
model_type=model_t,
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/lib/python3.6/site-packages/xnnc/translator/tensorflow_translator.py", line 107, in to_xmodel
model_type,
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/lib/python3.6/site-packages/xnnc/translator/tensorflow_translator.py", line 173, in create_xmodel
name, layers, layout, in_shapes, batchsize
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/lib/python3.6/site-packages/xnnc/translator/tensorflow_translator.py", line 289, in __create_xmodel_from_tf1
batchsize,
File "/opt/vitis_ai/conda/envs/vitis-ai-tensorflow/lib/python3.6/site-packages/xnnc/translator/tensorflow_translator.py", line 3192, in __generate_xmodel
), f"[ERROR] Not found op in super_const_dict: name: {weights_id}"
AssertionError: [ERROR] Not found op in super_const_dict: name: Decoder_Section_1_UpConv_1/kernel起初，我认为编译器可能不支持某些层，比如Conv2DTransposed (一种重采样图像的方式)，但是尽管文档中说Tensorflow版本需要高于2.0，而且我使用的是1.15.2，但本教程包含一个由这些层组成的U-Net，而且我编译它时没有任何问题，所以，我认为这不是问题所在。
然后，我决定比较冻结后和量化后的两个神经网络，以便找出我的U-网络中可能缺少的一些信息，其中包括另一个。
冷冻后的检查结果。使用的Op类型(我的U-Net ->教程U-Net)：
- 康斯特78 -> 52
- 身份28 -> 26
- BiasAdd 13 -> 13
- LeakyRelu 12 -->
- 雷鲁--> 11
- Conv2D 11 -> 11
- 垫10 ->
- AddV2 8 -->
- 分8->
- StridedSlice 6->6
- Mul 4->4
- ConcatV2 2->2
- Conv2DBackpropInput 2->2
- MaxPool 2->2
- 包2->2
- 形状2->2
- 占位符1->1
由于这两个U网是原冻结过程的两个不同的修改版本，所以这两个冻结过程是有区别的。然而，在我看来，我并不认为LeakyRelu、Pad、AddV2或Sub (出现在我的模型而不是本教程的模型中)与错误有关。
同样，量化后，这些是不同的。使用的Op类型(我的U-Net ->教程U-Net)：
- 康斯特78 -> 52
- FixNeuron 48 -> 44
- BiasAdd 13 -> 13
- LeakyRelu 12 --> --
- 雷鲁--> 11
- Convd2D 11 -> 11
- 垫10 -> --
- AddV2 8 --> --
- 分8->
- StridedSlice 6->6
- Mul 4->4
- ConcatV2 2->2
- Conv2DBackpropInput 2->2
- MaxPool 2->2
- 包2->2
- 形状2->2
- 占位符1->1
我不知道这个错误到底是从哪里来的，所以任何帮助都是非常感谢的。
回答 1
Data Science用户
发布于 2021-10-18 13:48:20
该错误似乎与Vitis AI无关，是由于导出过程中的错误Matlab造成的。我在Vitis AI中创建了一个神经网络的裸露副本，在Matlab中进行了训练，并从其中复制了权重和偏差。编译错误现在消失了。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/103164
复制相关文章
相似问题
腾讯云开发者
