综述

bevfusion的各个部分的实现有着鲜明的特点，并且相互独立，特别是考虑到后续部署的需要，这里将整个网络，分成多个部分，分别导出onnx，方便后续部署。

export-camera.py

相机部分导出思路如下：
1）骨干网络的选择
  对于骨干网络来说，选择了Resnet50作为骨干网络。精度会掉一点，但是收益非常大，益于部署。

2）网络拆分
  bev_pool有着高性能计算的需求，是使用cuda核函数实现的。

  bev_pool的输入，依赖于bev_pool之前的网络的输出，bev_pool的输出，需要有个池化，使得360360大小的bev池化成180180。

  所以bev_pool把整个网络，从中间分隔。

目前思路如下：

1. bev_pool前的网络，导出onnx，最终用TRT推理。
2. bev_pool部分使用cuda核函数实现。
3. bev_pool后的网络，导出onnx，最终用TRT推理。

加载模型

这里选择经过 ptq 量化后的 bevfusion 模型。

• Args

Namespace(ckpt='qat/ckpt/bevfusion_ptq.pth', fp16=False)

加载数据

• Data数据中有什么
  

加载后续生成计算图时需要的数据。其实就是提供了一个全是0的样本数据。

生成需要导出成 onnx 的模块

Backbone 模块

CUDA-BEVFusion选择使用子类化的方式，从model也就是整个模型中，摘出自己想要的相机部分，构建成camera_model

下图是具体子类化实现方式，子类化要对mit-bevfusion的代码、网络十分熟悉，有着充分的理解。

下图是mit-bevfusion的代码，会发现二者很像。子类化要忠实于原本的python算法，在这个基础上进行修改，实现自己想要的功能。

下方也是原mit-bevfusion的代码，可以看到原本的输出只有1个，而SubclassCameraModule里的get_cam_feats有两个输出。这个

这里创建了一个SubclassCameraModule类，用于在 BEVFusion 模型中提取部分模型用于导出 onnx。

• init 函数就是通常的初始化函数。

• forward 函数是基于 bevfusion 中的 extract_camera_features 函数的修改，对self.encoders["camera"][vtransforms]进行了较多修改。

  • 取消了 get_geometry 和 bev_pool 的计算，并且省去了深度和图像特征的外积操作。之后生成的计算图包含了 Resnet50、GeneralizedLSSFPN、dtransform、depthnet 和两个切片操作。

  • 输出从原本的一个输出，

  • Resnet50
    

    

    

    

  • GeneralizedLSSFPN（Neck）、dtransform、depthnet
    

  • 切片
    

• 从onnx中可以明显的看出，SubclassCameraModule类的输出修改为两个。

  • 取消外积，这样输入bev_pool的数据规模大大减少。从161183288*80拆成了两个如图形状的数据。

VTransform 模块

BaseDepthTransform 中的下采样操作，将 bev pool 的输出作为输入，这里仅导出 downsampling 的计算图。

生成 onnx

使用 pytorch 原生的伪量化计算方法

导出 camera.backbone.onnx

根据 SubclassCameraModule.forward 中的流程生成计算图，再经过简化(126行)生成最终的 camera.backbone.onnx。

导出 camera.vtransform.onnx

根据 DepthLSSTransform.downsample 模块生成计算图，保存为 camera.vtransform.onnx。