Refactor Model Zoo #166

furiosamg · 2023-08-07T07:26:17Z

더 이상 모델 클래스를 만들 때 모든 바이너리를 다운로드 하지 않습니다.
a. 대신, 해당 필드에 접근할 때 lazy load 합니다.
b. 한 번에 모든 바이너리를 다운로드 받는 resolve_all 함수가 추가되었습니다.
모델 클래스를 만들기 위해 Model.load(), Model.load_async() 같은 함수를 사용하지 않습니다.
a. 직관적으로 Model()을 불러 모델 클래스를 만들 수 있습니다.
b. 어떤 postprocess를 사용할지는 기존과 비슷하게 Model(postprocessor_type="RUST") 를 이용해 정할 수 있습니다.
c. 이제 파일을 로컬에 캐시하므로, Model load가 오래 걸리는 것은 컴퓨터당 한 번 정도일 것인데 이걸 최적화하겠다고 async initializer를 쓸 이유가 없다고 판단
d. 네트워크 환경이 좋지 않은 곳에서 실행하는 경우가 많은데, 이 때 어차피 network throughput에 block되므로 concurrent 하게 바이너리를 다운로드 받을 이유가 없음
Pydantic 2.x 버전으로 업그레이드했습니다.
a. 알맞은 postprocessor 를 사용해 init 했는지 validation하는 과정이 추가되었습니다.(지원하는 postprocess목록에 있는지)
furiosa-models list 나 furiosa-models desc 같은 명령이 빨라졌습니다.
a. Lazy loading 덕분입니다.
모델 필드 이름들의 변경이 있을 예정입니다. (의견 주세요)
a. 원본 f32 onnx|tflite 필드 source -> origin
- 이유: furiosa rt에서 model source라는 이름으로 Runner의 입력이 될 수 있는 것들을 총칭하기 때문에 헷갈릴 여지가 있다고 판단
b. Calibration range 필드 calib_yaml -> tensor_name_to_range
- 일단, yaml 대신 Python dict를 돌려주도록 변경
- furiosa-quantizer 의 이름에 맞춤
c. ENF 필드 enf, enf_1pe -> model_source() , model_source(num_pe=1)
- ENF라는 이름을 사용자에게 노출할 이유가 없음
- 함수로 바꿔서 pe 수를 조정 가능하게 함, 추후엔 remove_lower 등 더 다양한 옵션을 지원하게 하려고 함

furiosa-infra · 2023-08-09T06:06:55Z

Pip freeze result for ssd-mobilenet

pip freeze result

aiobotocore==2.5.4
aiofiles==23.1.0
aiohttp==3.8.5
aiohttp-retry==2.8.3
aioitertools==0.11.0
aiosignal==1.3.1
amqp==5.1.1
annotated-types==0.5.0
antlr4-python3-runtime==4.9.3
appdirs==1.4.4
async-timeout==4.0.2
asyncssh==2.13.2
atpublic==4.0
attrs==23.1.0
billiard==4.1.0
boto3==1.28.17
botocore==1.31.17
celery==5.3.1
certifi==2023.7.22
cffi==1.15.1
charset-normalizer==3.2.0
click==8.1.6
click-didyoumean==0.3.0
click-plugins==1.1.1
click-repl==0.3.0
colorama==0.4.6
configobj==5.0.8
contourpy==1.1.0
cryptography==41.0.3
cycler==0.11.0
Cython==3.0.0
dictdiffer==0.9.0
diskcache==5.6.1
distro==1.8.0
dpath==2.1.6
dulwich==0.21.5
dvc==3.13.3
dvc-data==2.12.2
dvc-http==2.30.2
dvc-objects==0.24.1
dvc-render==0.5.3
dvc-s3==2.23.0
dvc-studio-client==0.13.0
dvc-task==0.3.0
exceptiongroup==1.1.2
filelock==3.12.2
flatten-dict==0.4.2
flufl.lock==7.1.1
fonttools==4.42.0
frozenlist==1.4.0
fsspec==2023.6.0
funcy==2.0
furiosa-common==0.10.0
furiosa-models @ file:///app
furiosa-native-postprocess==0.9.0.dev0
furiosa-native-runtime==0.10.0
furiosa-quantizer==0.10.0
furiosa-quantizer-impl==0.10.0
furiosa-runtime==0.10.0
furiosa-tools==0.10.0
gitdb==4.0.10
GitPython==3.1.32
grandalf==0.8
hydra-core==1.3.2
idna==3.4
importlib-resources==6.0.1
iniconfig==2.0.0
iterative-telemetry==0.0.8
jmespath==1.0.1
kiwisolver==1.4.4
kombu==5.3.1
markdown-it-py==3.0.0
matplotlib==3.7.2
mdurl==0.1.2
multidict==6.0.4
multipledispatch==1.0.0
networkx==3.1
numpy==1.25.2
nvidia-cublas-cu11==11.10.3.66
nvidia-cuda-nvrtc-cu11==11.7.99
nvidia-cuda-runtime-cu11==11.7.99
nvidia-cudnn-cu11==8.5.0.96
omegaconf==2.3.0
onnx==1.14.0
opencv-python-headless==4.8.0.74
orjson==3.9.4
packaging==23.1
pandas==2.0.3
pathspec==0.11.2
Pillow==10.0.0
platformdirs==3.10.0
pluggy==1.2.0
prompt-toolkit==3.0.39
protobuf==4.24.0
psutil==5.9.5
py-cpuinfo==9.0.0
pyarrow==12.0.1
pycocotools==2.0.6
pycparser==2.21
pydantic==2.1.1
pydantic_core==2.4.0
pydot==1.4.2
pygit2==1.12.2
Pygments==2.16.1
pygtrie==2.5.0
pyparsing==3.0.9
pytest==7.4.0
pytest-asyncio==0.17.2
pytest-benchmark==4.0.0
python-dateutil==2.8.2
pytz==2023.3
PyYAML==6.0.1
requests==2.31.0
rich==13.5.2
ruamel.yaml==0.17.32
ruamel.yaml.clib==0.2.7
s3fs==2023.6.0
s3transfer==0.6.1
scmrepo==1.1.0
shortuuid==1.0.11
shtab==1.6.4
six==1.16.0
smmap==5.0.0
sqltrie==0.7.0
tabulate==0.9.0
tomli==2.0.1
tomlkit==0.12.1
torch==1.13.1
torchvision==0.14.1
tqdm==4.65.2
typing_extensions==4.7.1
tzdata==2023.3
urllib3==1.26.16
vine==5.0.0
voluptuous==0.13.1
wcwidth==0.2.6
wrapt==1.15.0
yarl==1.9.2
zc.lockfile==3.0.post1
zipp==3.16.2

furiosa-infra · 2023-08-09T06:11:02Z

3853bff ci: preload libgomp in regression tests


----------------------------------------------------------------------------------------------------- benchmark: 2 tests ----------------------------------------------------------------------------------------------------
Name (time in ms)                                                Min                Max               Mean            StdDev             Median               IQR            Outliers       OPS            Rounds  Iterations
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
test_mlcommons_ssd_mobilenet_with_native_rust_pp_accuracy     3.7822 (1.0)      31.6890 (1.0)       7.7506 (1.0)      0.9055 (1.0)       7.9104 (1.0)      0.6854 (1.0)       820;483  129.0223 (1.0)        5000           1
test_mlcommons_ssd_mobilenet_accuracy                         5.1636 (1.37)     38.4813 (1.21)     11.5577 (1.49)     1.4195 (1.57)     11.5132 (1.46)     1.3940 (2.03)     1122;283   86.5227 (0.67)       5000           1
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Legend:
  Outliers: 1 Standard Deviation from Mean; 1.5 IQR (InterQuartile Range) from 1st Quartile and 3rd Quartile.
  OPS: Operations Per Second, computed as 1 / Mean

tests/bench/test_efficientnet_b0.py

furiosa-infra · 2023-08-12T08:34:51Z

Pip freeze result for all

pip freeze result

aiobotocore==2.5.4
aiofiles==23.2.1
aiohttp==3.8.5
aiohttp-retry==2.8.3
aioitertools==0.11.0
aiosignal==1.3.1
amqp==5.1.1
annotated-types==0.5.0
antlr4-python3-runtime==4.9.3
appdirs==1.4.4
async-timeout==4.0.3
asyncssh==2.13.2
atpublic==4.0
attrs==23.1.0
billiard==4.1.0
boto3==1.28.17
botocore==1.31.17
celery==5.3.1
certifi==2023.7.22
cffi==1.15.1
charset-normalizer==3.2.0
click==8.1.6
click-didyoumean==0.3.0
click-plugins==1.1.1
click-repl==0.3.0
cmake==3.27.1
colorama==0.4.6
configobj==5.0.8
contourpy==1.1.0
cryptography==41.0.3
cycler==0.11.0
Cython==3.0.0
dictdiffer==0.9.0
diskcache==5.6.1
distro==1.8.0
dpath==2.1.6
dulwich==0.21.5
dvc==3.15.1
dvc-data==2.13.1
dvc-http==2.30.2
dvc-objects==0.25.0
dvc-render==0.5.3
dvc-s3==2.23.0
dvc-studio-client==0.13.0
dvc-task==0.3.0
exceptiongroup==1.1.2
filelock==3.12.2
flatten-dict==0.4.2
flufl.lock==7.1.1
fonttools==4.42.0
frozenlist==1.4.0
fsspec==2023.6.0
funcy==2.0
furiosa-common==0.10.0
furiosa-models @ file:///app
furiosa-native-postprocess==0.9.0.dev0
furiosa-native-runtime==0.10.0
furiosa-quantizer==0.10.0
furiosa-quantizer-impl==0.10.0
furiosa-runtime==0.10.0
furiosa-tools==0.10.0
gitdb==4.0.10
GitPython==3.1.32
grandalf==0.8
hydra-core==1.3.2
idna==3.4
importlib-resources==6.0.1
iniconfig==2.0.0
iterative-telemetry==0.0.8
Jinja2==3.1.2
jmespath==1.0.1
kiwisolver==1.4.4
kombu==5.3.1
lit==17.0.0rc2
markdown-it-py==3.0.0
MarkupSafe==2.1.3
matplotlib==3.7.2
mdurl==0.1.2
mpmath==1.3.0
multidict==6.0.4
multipledispatch==1.0.0
networkx==3.1
numpy==1.25.2
nvidia-cublas-cu11==11.10.3.66
nvidia-cuda-cupti-cu11==11.7.101
nvidia-cuda-nvrtc-cu11==11.7.99
nvidia-cuda-runtime-cu11==11.7.99
nvidia-cudnn-cu11==8.5.0.96
nvidia-cufft-cu11==10.9.0.58
nvidia-curand-cu11==10.2.10.91
nvidia-cusolver-cu11==11.4.0.1
nvidia-cusparse-cu11==11.7.4.91
nvidia-nccl-cu11==2.14.3
nvidia-nvtx-cu11==11.7.91
omegaconf==2.3.0
onnx==1.14.0
opencv-python-headless==4.8.0.76
orjson==3.9.4
packaging==23.1
pandas==2.0.3
pathspec==0.11.2
Pillow==10.0.0
platformdirs==3.10.0
pluggy==1.2.0
prompt-toolkit==3.0.39
protobuf==4.24.0
psutil==5.9.5
py-cpuinfo==9.0.0
pyarrow==12.0.1
pycocotools==2.0.6
pycparser==2.21
pydantic==2.1.1
pydantic_core==2.4.0
pydot==1.4.2
pygit2==1.12.2
Pygments==2.16.1
pygtrie==2.5.0
pyparsing==3.0.9
pytest==7.4.0
pytest-asyncio==0.17.2
pytest-benchmark==4.0.0
python-dateutil==2.8.2
pytz==2023.3
PyYAML==6.0.1
requests==2.31.0
rich==13.5.2
ruamel.yaml==0.17.32
ruamel.yaml.clib==0.2.7
s3fs==2023.6.0
s3transfer==0.6.1
scmrepo==1.2.1
shortuuid==1.0.11
shtab==1.6.4
six==1.16.0
smmap==5.0.0
sqltrie==0.7.0
sympy==1.12
tabulate==0.9.0
tomli==2.0.1
tomlkit==0.12.1
torch==2.0.1
torchvision==0.15.2
tqdm==4.66.1
triton==2.0.0
typing_extensions==4.7.1
tzdata==2023.3
urllib3==1.26.16
vine==5.0.0
voluptuous==0.13.1
wcwidth==0.2.6
wrapt==1.15.0
yarl==1.9.2
zc.lockfile==3.0.post1
zipp==3.16.2

furiosa-infra · 2023-08-12T09:50:15Z

b850c47 fix: address reviews from @senokay


-------------------------------------------------------------------------------------------------------- benchmark: 9 tests -------------------------------------------------------------------------------------------------------
Name (time in ms)                                                 Min                 Max                Mean             StdDev              Median                IQR            Outliers       OPS            Rounds  Iterations
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
test_mlcommons_resnet50_accuracy                               1.3115 (1.0)       63.9709 (1.96)       5.9993 (1.0)       4.1553 (1.46)       4.4770 (1.0)       1.9330 (2.25)    5633;5614  166.6857 (1.0)       50000           1
test_mlcommons_ssd_mobilenet_with_native_rust_pp_accuracy      4.0134 (3.06)      32.5747 (1.0)        9.9397 (1.66)      3.5616 (1.25)       8.5509 (1.91)      1.8593 (2.16)    1031;1050  100.6070 (0.60)       5000           1
test_efficientnetb0_accuracy                                   4.4337 (3.38)     310.2628 (9.52)      12.7090 (2.12)      7.1238 (2.50)      12.1536 (2.71)      2.2786 (2.65)    1154;3222   78.6842 (0.47)      50000           1
test_mlcommons_ssd_mobilenet_accuracy                          6.0214 (4.59)     222.5211 (6.83)      10.5439 (1.76)      3.1715 (1.11)      10.5615 (2.36)      0.8598 (1.0)        70;532   94.8418 (0.57)       5000           1
test_efficientnetv2s_accuracy                                  6.4203 (4.90)     259.5345 (7.97)      14.3399 (2.39)      6.2625 (2.20)      13.8163 (3.09)      2.2419 (2.61)    1066;2399   69.7357 (0.42)      50000           1
test_yolov5m_accuracy                                          7.9143 (6.03)      99.2324 (3.05)      12.6384 (2.11)      5.5192 (1.94)      11.2254 (2.51)      3.5333 (4.11)      657;544   79.1237 (0.47)      10000           1
test_yolov5l_accuracy                                         11.2186 (8.55)      88.2726 (2.71)      14.9905 (2.50)      2.8465 (1.0)       14.5897 (3.26)      1.7955 (2.09)      589;371   66.7087 (0.40)      10000           1
test_mlcommons_ssd_resnet34_with_native_rust_pp_accuracy      38.3107 (29.21)    553.0120 (16.98)     48.7515 (8.13)      7.4745 (2.63)      48.4227 (10.82)     2.1452 (2.50)       76;214   20.5122 (0.12)       5000           1
test_mlcommons_ssd_resnet34_accuracy                          93.4193 (71.23)    994.5578 (30.53)    184.6635 (30.78)    56.7471 (19.94)    187.9901 (41.99)    68.5190 (79.69)     1714;73    5.4153 (0.03)       5000           1
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Legend:
  Outliers: 1 Standard Deviation from Mean; 1.5 IQR (InterQuartile Range) from 1st Quartile and 3rd Quartile.
  OPS: Operations Per Second, computed as 1 / Mean

libc-furiosa

전체적으로 훑어보았습니다.
이미 많은 개선을 해 주셨는데요, 사소한 부분들에 커멘트를 남겼습니다.
확인 부탁드립니다. 감사합니다.

libc-furiosa · 2023-08-14T04:00:22Z

docs/examples/ssd_mobilenet.py

-mobilenet = SSDMobileNet.load()
-with session.create(mobilenet.enf) as sess:
+mobilenet = SSDMobileNet()
+with create_runner(mobilenet.model_source()) as create_runner:


다른 코드들과 일관성을 맞추면 좋을 것 같습니다.

Suggested change

with create_runner(mobilenet.model_source()) as create_runner:

with create_runner(mobilenet.model_source()) as runner:

dc0aecc 에서 반영했습니다.

libc-furiosa · 2023-08-14T06:41:52Z

furiosa/models/data/enf_generator.py

+    editor = ModelEditor(onnx_model)
+    for input_name in get_pure_input_names(onnx_model):
+        editor.convert_input_type(input_name, TensorType.UINT8)
+    dfg = quantize(onnx_model, calib_ranges)


다른 부분에서는 quantized_onnx 로 변경을 하셨던데 여기는 아직 dfg로 남아있습니다.

감사합니다! dc0aecc 에서 반영했습니다.

libc-furiosa · 2023-08-14T06:58:52Z

docs/examples/ssd_mobilenet_native.py


 image = ["tests/assets/cat.jpg"]

-mobilenet = SSDMobileNet.load(use_native=True)
-with session.create(mobilenet.enf) as sess:
+mobilenet = SSDMobileNet(postprocessor_type="Rust")


postprocessor_type의 타입을 보니 Union[str, Platform]로 되어있는데요. 값을 str 타입으로 쓰고있는 이유가 무엇일까요? Platform을 쓰는 것이 좋을 것 같은데, 특별한 이유가 있었을 것 같기도 해서요.

Platform 이 strEnum 이기도 하고, 사용자가 편하게 문자열로 선택하면 좋을 것 같아서 그렇게 했습니다. 사실 strict 하게 typing 하자면 Platform만 주는 것이 맞긴 한데요, 모델 주는 사용자 편의성이 중요한 프로젝트인 것 같아서 임의로 그렇게 했습니다. 아님 혹시 더 좋은 방법이 있을까요?

libc-furiosa · 2023-08-14T07:15:04Z

tests/bench/test_ssd_mobilenet.py

@@ -61,9 +61,9 @@ def workload(image_id, image):
            }
            detections.append(detection)

-    sess = session.create(model.enf)
+    runner = create_runner(model.model_source())


다른 테스트들과는 달리 with로 runner를 생성하지 않고 있는데, 이유가 있는 것일까요?

dc0aecc 에서 반영했습니다.

libc-furiosa · 2023-08-14T07:19:01Z

tekton/furiosa-models-ci/pr-trigger.yaml

+              affinity:
+                nodeAffinity:
+                  requiredDuringSchedulingIgnoredDuringExecution:
+                    nodeSelectorTerms:
+                    - matchExpressions:
+                      - key: role
+                        operator: In
+                        values:
+                        - npu


affinity는 생략해도 될 것 같습니다. (resources의 npu 지정에 의해 충족됨)

dc0aecc 에서 반영했습니다.

libc-furiosa · 2023-08-14T07:19:10Z

tekton/furiosa-models-ci/pr-trigger.yaml

+                nodeAffinity:
+                  requiredDuringSchedulingIgnoredDuringExecution:
+                    nodeSelectorTerms:
+                    - matchExpressions:
+                      - key: role
+                        operator: In
+                        values:
+                        - npu


affinity는 생략해도 될 것 같습니다. (resources의 npu 지정에 의해 충족됨)

dc0aecc 에서 반영했습니다.

libc-furiosa · 2023-08-14T07:24:35Z

furiosa/models/vision/yolov5/core.py

@@ -97,13 +105,13 @@ def _reshape_output(feat: np.ndarray, anchor_per_layer_count: int, num_classes:
 class YOLOv5PreProcessor(PreProcessor):
    @staticmethod
    def __call__(
-        images: Sequence[Union[str, np.ndarray]], with_quantize: bool = False
+        images: Sequence[Union[str, np.ndarray]], skip_quantize: bool = True
    ) -> Tuple[np.ndarray, List[Dict[str, Any]]]:
        """Preprocess input images to a batch of input tensors

        Args:
            images: Color images have (NCHW: Batch, Channel, Height, Width) dimensions.


이 PR과는 관계가 없습니다만, input image는 NHWC가 아닌지 궁금합니다.
아래의 transpose([2, 0, 1]) 이 NHWC -> NCHW 를 하는게 아닌가 해서요.

cad487e 에서 적용했습니다~

libc-furiosa · 2023-08-14T07:48:16Z

docs/examples/ssd_mobilenet_onnx.py

-    inputs, contexts = mobilenet.preprocess(image)
-    outputs = sess.run(inputs).numpy()
+with create_runner(quantized_onnx, compiler_config=compiler_config) as runner:
+    inputs, contexts = mobilenet.preprocess(image, skip_quantize=False)


이 커멘트는 가볍게 드리는 의견입니다. 다른 분들도 견해를 들려주시면 좋을 것 같습니다.

기존의 with_quantize나 이번의 skip_quantize 라는 이름을 보았을 때,
quantize를 왜 해야하는지? 언제 skip 하는지? 어떤 효과를 주는지? 마음대로 설정할 수 있는지? 에 대한 의문이 생깁니다.
context를 아는 경우에는 조금만 생각해보면 알 수 있지만, 아닌 일반 사용자는 쉽게 이해할 수 있을지 모르겠네요.

저는 모델의 입력 텐서 타입이 float인지 int(uint)인지가 중요하지 않을까, 하고 생각이 들었는데요,
float 라면 image를 read한 값을 형변환을 할 것이고, uint라면 변환을 생략할 것이기 때문입니다.
결과적으로 quantize 여부는 타입에 의존적이게 되므로, 이를 인자로 True/False로 지정하여 선택이 가능한 것 처럼 보이기보다는
모델이 어떤 타입인지를 표현하는 인자가 되면 보다 설명이 간단해지지 않을까 싶습니다.

cad487e 에서 with_scaling이라는 파라미터로 바꾸었고 설명을 추가했습니다. 구두로 논의 나눈 내용이라 자세히 적지는 않겠습니다. 감사합니다

모델이 어떤 타입인지를 표현하는 인자가 되면 보다 설명이 간단해지지 않을까 싶습니다.

이 PR 이 크기 때문에 이 관련해서는 별도 PR 로 다루면 좋을 것 같기는 합니다만, 조금 설명을 듣고 싶은데요. with_scaling 이라는 이름이 여전히 모호한 느낌이 있는데요. 제가 인용한 병찬님이 말씀 처럼 use_fp32 = True 같은 옵션이나 dtype을 직접 넣는 것을 고려하지 않았는지 궁금하기도 합니다.

furiosamg · 2023-08-17T00:59:00Z

@hyunsik 머지를 위한 최종 리뷰 부탁드리겠습니다.

hyunsik

고생 많으셨습니다. with_scaling 옵션에 대한 의견 코멘트로 달았습니다. 이 관련 논의와 변경은 필요한 경우에 별도 이슈나 PR 에서 해도 좋을 것 같습니다. 바로 머지하셔도 좋을 것 같습니다.

furiosamg self-assigned this Aug 7, 2023

furiosa-prow bot added the do-not-merge/work-in-progress label Aug 7, 2023

libc-furiosa self-requested a review August 7, 2023 07:38

furiosamg force-pushed the refactor-0.10.0 branch 3 times, most recently from b58c4c9 to b908d6f Compare August 9, 2023 03:56

furiosamg force-pushed the refactor-0.10.0 branch from 5f4df9b to 2232c25 Compare August 9, 2023 05:42

furiosamg added tekton/regression-model-ssd-mobilenet and removed tekton/regression-model-ssd-mobilenet labels Aug 9, 2023

furiosa-ai deleted a comment from furiosa-infra Aug 9, 2023

senokay reviewed Aug 11, 2023

View reviewed changes

tests/bench/test_efficientnet_b0.py Outdated Show resolved Hide resolved

furiosamg marked this pull request as draft August 11, 2023 17:49

furiosa-prow bot added the do-not-merge/work-in-progress label Aug 11, 2023

furiosamg added tekton/regression-model-resnet50 tekton/regression-model-all and removed tekton/regression-model-all tekton/regression-model-resnet50 labels Aug 11, 2023

furiosamg force-pushed the refactor-0.10.0 branch from 48968de to 8638e44 Compare August 12, 2023 08:10

furiosa-ai deleted a comment from furiosa-infra Aug 12, 2023

furiosamg added tekton/regression-model-all and removed tekton/regression-model-all labels Aug 12, 2023

fix: address reviews from @senokay

b850c47

furiosamg force-pushed the refactor-0.10.0 branch from 8638e44 to b850c47 Compare August 12, 2023 08:14

furiosa-ai deleted a comment from furiosa-infra Aug 12, 2023

furiosamg added the tekton/regression-model-all label Aug 12, 2023

furiosamg mentioned this pull request Aug 12, 2023

Wait for the docker image in regression test #168

Merged

furiosamg marked this pull request as ready for review August 14, 2023 01:13

furiosa-prow bot removed the do-not-merge/work-in-progress label Aug 14, 2023

furiosamg requested a review from hyunsik August 14, 2023 01:13

libc-furiosa reviewed Aug 14, 2023

View reviewed changes

furiosamg added 2 commits August 14, 2023 19:49

fix: reflect review by @libc-furiosa

dc0aecc

docs: rename & add explanations about with_scaling

cad487e

hyunsik approved these changes Aug 18, 2023

View reviewed changes

furiosamg merged commit a5b0bb4 into furiosa-ai:main Aug 18, 2023

furiosamg mentioned this pull request Aug 18, 2023

Describe more about with_scaling parameter name #169

Open

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Refactor Model Zoo #166

Refactor Model Zoo #166

furiosamg commented Aug 7, 2023 •

edited

Loading

furiosa-infra commented Aug 9, 2023

furiosa-infra commented Aug 9, 2023

furiosa-infra commented Aug 12, 2023

furiosa-infra commented Aug 12, 2023

libc-furiosa left a comment

libc-furiosa Aug 14, 2023

furiosamg Aug 14, 2023

libc-furiosa Aug 14, 2023

furiosamg Aug 14, 2023

libc-furiosa Aug 14, 2023

furiosamg Aug 14, 2023 •

edited

Loading

libc-furiosa Aug 14, 2023

furiosamg Aug 14, 2023 •

edited

Loading

libc-furiosa Aug 14, 2023

furiosamg Aug 14, 2023 •

edited

Loading

libc-furiosa Aug 14, 2023

furiosamg Aug 14, 2023

libc-furiosa Aug 14, 2023

furiosamg Aug 16, 2023 •

edited

Loading

libc-furiosa Aug 14, 2023

furiosamg Aug 16, 2023

hyunsik Aug 18, 2023

furiosamg commented Aug 17, 2023

hyunsik left a comment

	with create_runner(mobilenet.model_source()) as create_runner:
	with create_runner(mobilenet.model_source()) as runner:

Refactor Model Zoo #166

Refactor Model Zoo #166

Conversation

furiosamg commented Aug 7, 2023 • edited Loading

furiosa-infra commented Aug 9, 2023

Pip freeze result for ssd-mobilenet

furiosa-infra commented Aug 9, 2023

furiosa-infra commented Aug 12, 2023

Pip freeze result for all

furiosa-infra commented Aug 12, 2023

libc-furiosa left a comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

furiosamg Aug 14, 2023 • edited Loading

Choose a reason for hiding this comment

Choose a reason for hiding this comment

furiosamg Aug 14, 2023 • edited Loading

Choose a reason for hiding this comment

Choose a reason for hiding this comment

furiosamg Aug 14, 2023 • edited Loading

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

furiosamg Aug 16, 2023 • edited Loading

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

furiosamg commented Aug 17, 2023

hyunsik left a comment

Choose a reason for hiding this comment

furiosamg commented Aug 7, 2023 •

edited

Loading

furiosamg Aug 14, 2023 •

edited

Loading

furiosamg Aug 14, 2023 •

edited

Loading

furiosamg Aug 14, 2023 •

edited

Loading

furiosamg Aug 16, 2023 •

edited

Loading