bilinear_interp输出shape为啥是[unk__34,unk__35,unk__36,unk__37] 我已经固定inputshape [1 3 512 512] about paddle2onnx HOT 4 OPEN

batch_size: 64 #设定batch_size的值即为迭代一次送入网络的图片数量，一般显卡显存越大，batch_size的值可以越大。如果使用多卡训练，总得batch size等于该batch size乘以卡数。
iters: 10000 #模型训练迭代的轮数

train_dataset: #训练数据设置
type: Dataset #指定加载数据集的类。数据集类的代码在PaddleSeg/paddleseg/datasets目录下。
dataset_root: /home/aistudio/data/carlane/
train_path: /home/aistudio/data/carlane/train_list.txt #数据集中用于训练的标识文件
num_classes: 7 #指定类别个数（背景也算为一类）
mode: train #表示用于训练
transforms:
- type: ResizeStepScaling
min_scale_factor: 0.5
max_scale_factor: 2.0
scale_step_size: 0.25
- type: RandomPaddingCrop
crop_size: [512, 512]
- type: RandomHorizontalFlip
- type: RandomDistort
brightness_range: 0.5
contrast_range: 0.5
saturation_range: 0.5
- type: Normalize
mode: train

val_dataset: #验证数据设置
type: Dataset #指定加载数据集的类。数据集类的代码在PaddleSeg/paddleseg/datasets目录下。
dataset_root: /home/aistudio/data/carlane/ #数据集路径
val_path: /home/aistudio/data/carlane/val_list.txt #数据集中用于验证的标识文件
num_classes: 7 #指定类别个数（背景也算为一类）
mode: val #表示用于验证
transforms: #模型验证的数据预处理的方式
- type: Normalize #对原始图像进行归一化，标注图像保持不变

optimizer:
type: AdamW
weight_decay: 0.01

lr_scheduler:
type: PolynomialDecay
learning_rate: 0.01
end_lr: 0
power: 0.9

loss:
types:
- type: OhemCrossEntropyLoss
min_kept: 130000 # batch_size * 1024 * 512 // 16
- type: OhemCrossEntropyLoss
min_kept: 130000
- type: OhemCrossEntropyLoss
min_kept: 130000
coef: [1, 1, 1]

model:
type: PPLiteSeg
num_classes: 7
backbone:
type: STDC1
pretrained: https://bj.bcebos.com/paddleseg/dygraph/PP_STDCNet1.tar.gz
arm_out_chs: [32, 64, 128]
seg_head_inter_chs: [32, 64, 64]
这个是 在paddleseg 上训练的yml

from paddle2onnx.

! python tools/export.py
--config ../DeeplabV3.yml
--model_path output/iter_100/model.pdparams
--input_shape -1 3 512 512
!paddle2onnx --model_dir ./output/inference_model/
--model_filename model.pdmodel
--params_filename model.pdiparams
--save_file segonnx/model.onnx
--opset_version 12
--enable_dev_version True
!python -m paddle2onnx.optimize --input_model segonnx/model.onnx
--output_model segonnx/PP_seg.onnx
--input_shape_dict "{'x':[1,3,512,512]}"

from paddle2onnx.

这个是输出paddle 输出的模型也是固定的shape最后输出还是有问题

from paddle2onnx.

请问解决了吗

from paddle2onnx.