dasha_f
6e1a22ba8b
assets/conveyors (274 МБ) - ленты и угловая секция NVIDIA, на которые ссылается сцена относительным путём. Раньше исключались как перекачиваемые, но без них сцена не композится из коробки. cv/ - код стереодвижков, которые вызывает control_test, без весов: * defom-stereo - рабочий бейзлайн (DEFOM vitl, вход 480, iters 24) * crestereo - второй движок, точнее по габаритам (MAE 23.5 против 32.8 мм) * fast-foundationstereo - проверялся, в бейзлайн не вошёл * circular_section.py - показатель кругового сечения, перенесён в measure_plane.py: выравнивает облако по СОБСТВЕННЫМ главным осям и режет на пяти высотах вдоль каждой. Три самодельные версии (мировые оси, одно сечение) давали хуже; результаты проверки на эталонной геометрии - в circular_section_results.json Веса по-прежнему не в репозитории - источники в MODELS.md. Наборы кадров прежних прогонов (cv/flow_*, 1.26 ГБ) исключены: это выход, а не исходники. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
67 lines
2.9 KiB
Python
67 lines
2.9 KiB
Python
import os,sys
|
|
code_dir = os.path.dirname(os.path.realpath(__file__))
|
|
sys.path.append(f'{code_dir}/../')
|
|
from omegaconf import OmegaConf
|
|
import argparse, torch, logging, yaml, time
|
|
import numpy as np
|
|
from Utils import set_logging_format, set_seed
|
|
from core.foundation_stereo import TrtRunner
|
|
|
|
|
|
def resolve_onnx_cfg_path(onnx_dir: str) -> str:
|
|
direct = os.path.join(onnx_dir, 'onnx.yaml')
|
|
if os.path.exists(direct):
|
|
return direct
|
|
parent = os.path.join(os.path.dirname(onnx_dir), 'onnx.yaml')
|
|
if os.path.exists(parent):
|
|
return parent
|
|
raise FileNotFoundError(f"onnx.yaml not found in {onnx_dir} or its parent directory")
|
|
|
|
|
|
if __name__=="__main__":
|
|
parser = argparse.ArgumentParser()
|
|
parser.add_argument('--model_dir', default=None, type=str)
|
|
parser.add_argument('--hiera', default=None, type=int)
|
|
parser.add_argument('--valid_iters', type=int, default=None, help='number of flow-field updates during forward pass (default: from onnx.yaml)')
|
|
parser.add_argument('--max_disp', type=int, default=None, help='maximum disparity (default: from onnx.yaml)')
|
|
parser.add_argument('--warmup', type=int, default=15, help='number of warmup iterations')
|
|
parser.add_argument('--total', type=int, default=30, help='total number of iterations')
|
|
parser.add_argument('--build_volume_backend', default=None, choices=['pytorch1', 'triton'], help='backend for cost-volume build (default: from onnx.yaml)')
|
|
parser.add_argument('--onnx_dir', default=f'{code_dir}/../output', type=str, help='directory containing TensorRT engines and onnx.yaml')
|
|
args = parser.parse_args()
|
|
|
|
set_logging_format()
|
|
set_seed(0)
|
|
torch.backends.cudnn.benchmark = True
|
|
torch.autograd.set_grad_enabled(False)
|
|
|
|
cfg_path = resolve_onnx_cfg_path(args.onnx_dir)
|
|
with open(cfg_path, 'r') as ff:
|
|
cfg:dict = yaml.safe_load(ff)
|
|
for k in args.__dict__:
|
|
if args.__dict__[k] is not None:
|
|
cfg[k] = args.__dict__[k]
|
|
args = OmegaConf.create(cfg)
|
|
|
|
model = TrtRunner(args, args.onnx_dir+'/feature_runner.engine', args.onnx_dir+'/post_runner.engine')
|
|
|
|
H, W = int(args.image_size[0]), int(args.image_size[1])
|
|
img0 = torch.randint(0, 256, (1, 3, H, W), dtype=torch.float32).cuda()
|
|
img1 = torch.randint(0, 256, (1, 3, H, W), dtype=torch.float32).cuda()
|
|
|
|
logging.info(f"TensorRT image size: {H}x{W}, warmup: {args.warmup}, total: {args.total}")
|
|
|
|
times = []
|
|
for i in range(args.total):
|
|
torch.cuda.synchronize()
|
|
t0 = time.perf_counter()
|
|
_ = model.forward(img0, img1)
|
|
torch.cuda.synchronize()
|
|
elapsed = time.perf_counter() - t0
|
|
times.append(elapsed)
|
|
logging.info(f"Iter {i:2d}: {elapsed*1000:.1f} ms {'(warmup)' if i < args.warmup else ''}")
|
|
|
|
measure_times = times[args.warmup:]
|
|
avg = np.mean(measure_times) * 1000
|
|
logging.info(f"TensorRT speed average (after warmup): {avg:.1f}[ms] over {len(measure_times)} iters")
|