jetson nano 上的 TensorRt 模型（pytorch->onnx->TensorRT）的准确性降低 [关闭]答案

【问题标题】：Decrease in accuracy of TensorRt model (pytorch->onnx->TensorRT) on jetson nano [closed]jetson nano 上的 TensorRt 模型（pytorch->onnx->TensorRT）的准确性降低 [关闭]
【发布时间】：2020-07-11 21:22:18
【问题描述】：

我在 jetson nano 上推断 TensorRt 模型。它是从 pytorch 通过 onnx 转换而来的。在推理时，TensorRt 模型的准确率急剧下降。它是一个物体检测类型的模型。

代码链接： https://github.com/NVIDIA/TensorRT/issues/467

【问题讨论】：

请添加更多信息。你是如何推断准确率下降的？还要添加您的代码。
我已经检查了它的分数并与原始模型进行了比较。
如果您可以分享您的代码，我们会更好地了解问题所在。
我已经分享了代码链接。
嗨@IbrahimYousuf，如果需要更多解释而不是告诉我，我也会分享。

标签： deep-learning conv-neural-network object-detection nvidia-jetson-nano

【解决方案1】：

我已经解决了问题。我不知道为什么，但是输入类型会影响模型的准确性。

我有替换

img_raw = cv2.imread(image_path, cv2.IMREAD_COLOR)

由

img_raw = imageio.imread(image_path)

如果我知道背后的原因，我会更新答案。

【讨论】：

你改成什么类型了？并请指定代码行。
@IbrahimYousuf 我已将 img_raw = cv2.imread(image_path, cv2.IMREAD_COLOR) 替换为 img_raw = imageio.imread(image_path)