欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

YOLO26模型導(dǎo)出全攻略:從ONNX到TensorRT的完整避坑指南

YOLO26模型導(dǎo)出全攻略:從ONNX到TensorRT的完整避坑指南 【內(nèi)容安全審查】通過YOLO26 模型導(dǎo)出從訓(xùn)練到部署的最后一公里我踩過的坑和最終方案做計算機視覺的同學(xué)應(yīng)該都有這種經(jīng)歷訓(xùn)練時各種指標(biāo)刷得飛起模型在 Colab 上跑得好好的loss 降得賞心悅目mAP 也說得過去。結(jié)果到了要交付的時候?qū)熁蛘呒追揭痪洹鞍涯P徒o我我這邊要接進系統(tǒng)”你才發(fā)現(xiàn)手里只有一個.pt文件拿去給對方的 C 工程師人家眉頭一皺這玩意兒我們這邊跑不了。這就是模型導(dǎo)出的意義。YOLO26 作為目前 YOLO 系列里熱度一直居高不下的版本網(wǎng)上關(guān)于它訓(xùn)練、改進、結(jié)構(gòu)圖解析的內(nèi)容已經(jīng)很多了但“訓(xùn)練完之后怎么把模型導(dǎo)出成不同平臺能吃的格式”這塊系統(tǒng)性講清楚的內(nèi)容反而不多。不少做計算機視覺大作業(yè)的同學(xué)、做 YOLO26 人員入侵檢測項目的人甚至很多已經(jīng)在跑 YOLO26 訓(xùn)練自己數(shù)據(jù)集的工程師都卡在了導(dǎo)出這一步。這篇東西我想把它徹底講透。你不需要是部署專家只要手里有一個訓(xùn)練好的 YOLO26 模型能看懂 Python按著下面的思路走一遍基本就能把 ONNX、OpenVINO、TensorRT 這些格式理清楚也知道每一步為什么要那么做。1. 導(dǎo)出不只是“換個后綴”模型的運行世界變了很多人第一次接觸導(dǎo)出覺得就是把.pt轉(zhuǎn)成.onnx本質(zhì)上是文件格式轉(zhuǎn)換。這個理解不算錯但太淺了會導(dǎo)致后面遇到問題完全找不到方向。1.1 訓(xùn)練框架和推理引擎對“模型”的理解完全不同PyTorch 里的模型本質(zhì)是一堆層結(jié)構(gòu)加上一堆權(quán)重然后被 Python 的 runtime 動態(tài)解釋執(zhí)行。它靈活、方便調(diào)試但每跑一次前向都要經(jīng)過 Python 層的調(diào)度圖的優(yōu)化也幾乎為零。這在訓(xùn)練階段完全沒問題因為訓(xùn)練本身就要頻繁改權(quán)重、算梯度本來就需要這種靈活性。但推理不一樣。推理的時候模型結(jié)構(gòu)是固定的權(quán)重也是固定的不存在反向傳播也不存在動態(tài)建圖的需求。推理引擎要的是“把計算圖固化下來針對固定 shape 做極致優(yōu)化”。這就是為什么業(yè)界要把訓(xùn)練好的模型從 PyTorch 里“搬”出來搬到一個中立的、描述計算圖的格式里。ONNXOpen Neural Network Exchange就是這個“中立格式”。PyTorch 訓(xùn)練完的模型導(dǎo)出成 ONNX 后相當(dāng)于把整張計算圖固化成了標(biāo)準(zhǔn)化的描述文件。邏輯上它就是一個“計算圖快照”任何支持 ONNX 的推理引擎ONNX Runtime、TensorRT、OpenVINO、Core ML 等都能讀取并執(zhí)行它。用個生活化的比喻PyTorch 模型像一位會臨場發(fā)揮的廚師你告訴他“做一道魚”他會根據(jù)今天有什么食材、灶臺什么火力、自己當(dāng)時的心情決定具體怎么做。而 ONNX 就像一份精確到克數(shù)的菜譜食材、步驟、火候全部寫死。你把這菜譜給任何一個能看懂菜譜的廚房各種推理引擎都能做出一模一樣的菜。1.2 ONNX、TensorRT、OpenVINO 各管哪一段路這是新手最容易懵的地方格式太多了分不清。我把它們按“離硬件有多近”排個序就清楚了ONNX最中立的計算圖描述格式本身不做太多優(yōu)化像一個通用的中間表示IR不太依賴具體硬件。它能跑的地方最廣但優(yōu)化的空間也最大。ONNX RuntimeORT微軟出品的推理引擎直接吃 ONNX 文件。它在 CPU 和 GPU 上都能跑做了不少圖優(yōu)化和算子融合適合做“通用部署”。OpenVINOIntel 出品的推理工具套件針對 Intel CPU、集成顯卡、Movidius 神經(jīng)計算棒做了深度優(yōu)化。如果你部署的目標(biāo)機器是 Intel CPUOpenVINO 往往是性能最好的選擇之一。它可以把 ONNX 進一步轉(zhuǎn)成它自己的 IR 格式.xml.bin也可以直接讀 ONNX。TensorRTNVIDIA 出品的推理優(yōu)化器只在 NVIDIA GPU 上工作。它會針對你的目標(biāo) GPU 做層融合、精度校準(zhǔn)、kernel 自動調(diào)優(yōu)是“NVIDIA GPU 上推理性能天花板”級別的存在。它吃 ONNX轉(zhuǎn)化后再序列化成 TensorRT engine.engine文件。Core MLApple 生態(tài)的模型格式給 iPhone、Mac 上用的。所以整個導(dǎo)出的鏈路一般是PyTorch (.pt) → ONNX → OpenVINO / TensorRT / Core ML / ONNX Runtime理解了這條鏈路你就明白為什么大家總說“先導(dǎo)出 ONNX”它是一個必經(jīng)的中間站是 PyTorch 和各個硬件推理引擎之間的“通用語言”。不只是 YOLO26YOLOv5、v8、v11 這些全是這個套路。1.3 NMS 在導(dǎo)出流程里的真正地位提到 YOLO 導(dǎo)出有個繞不開的東西叫NMSNon-Maximum Suppression非極大值抑制。YOLO 模型輸出的原始裸結(jié)果是一大堆候選框每張圖可能有上萬甚至幾萬個框其中絕大多數(shù)是重疊的、低置信度的“廢框”。NMS 的作用就是把這些框過濾、合并最后留下每個目標(biāo)位置上最合適的那個框。訓(xùn)練和驗證的時候NMS 是在 PyTorch 代碼里用純 Python 或 C 擴展實現(xiàn)的這部分邏輯根本沒進到模型的計算圖里。而導(dǎo)出成 ONNX 后你拿到的是“模型輸出原始框”這一步NMS 要不要一起導(dǎo)出就成了 YOLO 系列導(dǎo)出時最容易出現(xiàn)分歧的大問題。實際工程里主流做法是模型只導(dǎo)出到“原始輸出”為止NMS 后處理放在推理代碼里用目標(biāo)語言C/C#/Java/Go自己寫。原因后面會詳述但你現(xiàn)在先記住導(dǎo)出 YOLO 系列模型基本默認不導(dǎo)出 NMS除非你的部署場景非常特殊比如目標(biāo)檢測的嵌入式端后處理寫起來極其困難才有動力把 NMS 一起塞進模型里。2. 你的 YOLO26 是“哪一款”不同任務(wù)導(dǎo)出的策略不一樣在具體動手前先別急著敲命令。你要回頭看一下自己訓(xùn)練的 YOLO26 到底是“哪一款”模型。YOLO 系列從 v8 開始就不僅僅是目標(biāo)檢測器了它同時支持分類、分割、姿態(tài)估計這些任務(wù)。YOLO26 在這個基礎(chǔ)上還衍生出了 depth深度估計等變體網(wǎng)上搜“yolo26 depth”“yolo26 姿態(tài)模型版本區(qū)別”就能看到很多人都在這塊有疑問。不同任務(wù)類型模型輸出的頭head完全不同導(dǎo)出的注意事項也各不相同。2.1 常規(guī)目標(biāo)檢測模型的導(dǎo)出重點這是最簡單、最常見的情況。你訓(xùn)練了一個 YOLO26 目標(biāo)檢測模型比如 YOLO26n、yolo26s、yolo26m 這些用來做人員入侵檢測、安全帽檢測、車輛識別等任務(wù)。這種情況導(dǎo)出時核心關(guān)注點有三個輸入尺寸訓(xùn)練時用的 imgsz 是多少導(dǎo)出時就盡量保持一致。雖然 ONNX 支持動態(tài)輸入但對推理性能不友好后面細說。輸出格式Y(jié)OLO 檢測模型的原始輸出一般是[1, 4 num_classes, 8400]這種形狀具體數(shù)字取決于模型輸入尺寸和 stride其中 4 是框坐標(biāo)cx, cy, w, h 或 xyxynum_classes 是類別數(shù)8400 是不同尺度特征圖上的候選框總數(shù)輸入 640 時。導(dǎo)出時你會在輸出節(jié)點上看到類似名字。要不要 NMS默認不要。讓下游代碼自己處理。如果你是用 Ultralytics 框架訓(xùn)練的 YOLO26框架本身已經(jīng)把導(dǎo)出邏輯封裝好了正常情況一句model.export()就能搞定。但如果你跑的是別人魔改的 YOLO26網(wǎng)上“yolo26 改進專欄”里這種特別多比如加了注意力機制、換了檢測頭就不能完全依賴框架自動導(dǎo)出要手動檢查改動過的層能不能被 ONNX 算子集支持。這是最讓人頭疼的場景我后面會用一節(jié)專門講怎么排查這類問題。2.2 depth 版本導(dǎo)出時處理額外輸出頭如果你用的是 YOLO26 depth 版本用于單目深度估計它的網(wǎng)絡(luò)結(jié)構(gòu)在檢測頭之外還掛了一個深度頭輸出的是一個和輸入圖像尺寸成一定比例的深度圖。導(dǎo)出這種模型你要額外確認深度頭的輸出名稱和 shape導(dǎo)出的 ONNX 文件中深度輸出是一個獨立的輸出節(jié)點通常像[1, H, W]或[1, H/scale, W/scale]。深度值范圍你訓(xùn)練時的深度標(biāo)簽是相對深度0~1還是絕對深度米模型輸出的原始值范圍是什么這些信息雖然不影響導(dǎo)出但會影響你部署后怎么處理深度圖最好在導(dǎo)出的同時寫進模型說明文檔。后處理差異檢測分支可能需要 NMS深度分支只需要插值縮放回原圖尺寸并做可視化或后續(xù)計算。這決定了你在推理代碼里要同時處理“框后處理”和“深度圖后處理”兩套邏輯導(dǎo)出本身沒區(qū)別但部署代碼要注意。姿態(tài)模型導(dǎo)出與模型版本差異YOLO26 的姿態(tài)模型pose輸出就更特殊了。Ultralytics 框架里的 pose 模型訓(xùn)練好的.pt導(dǎo)出 ONNX 后輸出通常是兩個頭的拼接或分開一個是檢測框分支一個是關(guān)鍵點分支。以 COCO 姿態(tài)任務(wù)為例關(guān)鍵點通常是 17 個每個點有(x, y, confidence)三個值。所以關(guān)鍵點分支的輸出維度一般是 batch 相關(guān)、通道數(shù) 17 * 3。檢測框分支仍然輸出框和類別置信度。這里必須注意“版本差異”。網(wǎng)上搜“yolo26 姿態(tài)模型版本區(qū)別”能看到很多人在問同一個 YOLO26 名字下有不同權(quán)重版本關(guān)鍵點位順序、坐標(biāo)約定是不是和 COCO 一致是否帶了可見性 flagvisible flag這些細節(jié)不同訓(xùn)練腳本導(dǎo)出的結(jié)果形狀就不一樣。我的建議是導(dǎo)出姿態(tài)模型之前先拿一張測試圖用 PyTorch 原始模型推理一遍打印出每個輸出的 shape并人工檢查關(guān)鍵點的坐標(biāo)值是不是符合預(yù)期。只有確認了“PyTorch 階段輸出是正確的”你導(dǎo)出 ONNX 后去對比才有參照物。如果你連 PyTorch 階段的輸出都沒確認過導(dǎo)出后出了 bug 你根本分不清是導(dǎo)出環(huán)節(jié)的問題還是模型本身的問題。2.4 基于 YOLO26 做人員入侵檢測等項目時的導(dǎo)出選型結(jié)合很多做“YOLO26 人員入侵檢測”這類計算機視覺項目的同學(xué)其實是為了交大作業(yè)或者做畢設(shè)。這種項目通常需要部署在一臺普通的電腦上甚至可能是 CPU only 的機器。這種場景下我最推薦導(dǎo)出OpenVINO格式原因有兩點Intel CPU 是個巨大的存量市場OpenVINO 對此的優(yōu)化是出了名的猛經(jīng)常能在不損失精度的情況下比純 PyTorch CPU 推理快 2 到 4 倍。Ultralytics 框架原生支持導(dǎo)出 OpenVINO一條命令就能完成還會幫你生成配套的部署文件。如果項目方指定要用 NVIDIA GPU 跑推理那就直接上 TensorRT。雖然推理速度最快但因為它和具體顯卡綁定注意是“綁定”不是“兼容”換了一張顯卡型號甚至驅(qū)動版本都可能要重新導(dǎo)出在交付時要多留個心眼千萬別只給客戶一個 .engine 文件一定要把 ONNX 文件一起交付不然客戶換臺機器就跑不了。3. 直接抄作業(yè)我驗證過的導(dǎo)出流程和參數(shù)配置理論鋪墊完了現(xiàn)在進入實操。下面是我在自己的環(huán)境里跑通的完整導(dǎo)出流程包含了環(huán)境準(zhǔn)備和導(dǎo)出命令以及每一步背后的選擇邏輯。3.1 環(huán)境準(zhǔn)備與版本對齊先說一個重要教訓(xùn)導(dǎo)出 YOLO26 前先確認你的 ultralytics 包版本和你下載/訓(xùn)練的模型來源一致。YOLO26 相關(guān)的代碼和權(quán)重在社區(qū)里流傳速度很快往往你今天下載的yolo26n.pt需要用某個特定版本的ultralytics包才能正常加載。如果你是在跑“yolo26 環(huán)境配置”時按網(wǎng)上的博客裝了一個版本的包然后又從另一個來源下載了權(quán)重很可能加載時就報錯或者行為異常。我本地的建議環(huán)境組合Python 3.9~3.11PyTorch 2.1 或以上ultralytics 包版本以你模型來源說明為準(zhǔn)一般 8.2.x 之后的版本對 YOLO26 支持比較完整onnxruntime 1.17 以上用于導(dǎo)出后驗證onnx 1.15 以上openvino 2024.x如果用 CPU 部署建議導(dǎo)出 OpenVINO 格式tensorrt 8.6 或以上如果用 NVIDIA GPU建議導(dǎo)出 TensorRT提示Torch、CUDA、TensorRT 三個版本要互相兼容這是老生常談但永遠有人在這上面翻車。TensorRT 對 CUDA 版本很敏感建議統(tǒng)一用 NVIDIA 官方文檔里列的兼容矩陣來配。你可以在終端里檢查版本python -c import torch, ultralytics, onnx, onnxruntime; print(torch.__version__, ultralytics.__version__, onnx.__version__, onnxruntime.__version__)如果輸出里沒有報錯說明基礎(chǔ)環(huán)境沒問題。3.2 標(biāo)準(zhǔn)導(dǎo)出命令與超參選擇如果是用 Ultralytics 框架訓(xùn)練的 YOLO26最笨但也最靠譜的導(dǎo)出代碼長這樣from ultralytics import YOLO # 加載你自己訓(xùn)練的權(quán)重 model YOLO(runs/detect/train/weights/best.pt) # 導(dǎo)出 ONNX model.export( formatonnx, # 導(dǎo)出格式 imgsz640, # 輸入尺寸和訓(xùn)練時保持一致 opset12, # ONNX 算子集版本 dynamicFalse, # 是否允許動態(tài)輸入尺寸 simplifyTrue, # 是否用 onnxsim 簡化計算圖 nmsFalse, # 是否導(dǎo)出 NMS強烈建議 False )這行代碼執(zhí)行完后會在權(quán)重同目錄下生成一個best.onnx。你可能會問參數(shù)為什么這么設(shè)我逐個解釋imgsz640你訓(xùn)練時如果是 640這里就填 640。如果訓(xùn)練時是 1280這里就得填 1280。模型的 backbone 和 head 對輸入特征圖的尺寸有依賴stride 通常是 8、16、32 的組合。輸入尺寸必須是 32 的倍數(shù)或者至少是 stride 最小公倍數(shù)的倍數(shù)否則特征圖會出問題。你導(dǎo)出時如果填了一個訓(xùn)練時完全沒有用過的尺寸精度可能會莫名掉點因為模型從未在這個分辨率上充分適配過。opset12ONNX 的算子集版本。太低的版本不支持一些較新的算子太高的版本對老版本推理引擎不友好。YOLO 系列在這種 CNN 結(jié)構(gòu)里opset 11~13 之間都夠用。我默認選 12兼容性和功能都比較平衡。如果你后續(xù)要轉(zhuǎn) TensorRTTensorRT 8.6 以上的版本對 ONNX opset 的適配已經(jīng)很好不需要額外操心。dynamicFalse這個我強烈建議。設(shè)成 True 雖然能讓模型接受任意尺寸輸入但代價是推理引擎沒法做輸入 shape 相關(guān)的固定優(yōu)化比如 TensorRT 的某些層會根據(jù)固定尺寸做內(nèi)存布局調(diào)優(yōu)性能會有損。部署階段如果你能保證輸入尺寸固定就固定死不要開動態(tài)。但有個例外如果你的業(yè)務(wù)里輸入圖像尺寸不能預(yù)知且變化幅度極大又不想做 letterbox 填充把圖像縮放并填充成固定尺寸那只能開 dynamic。這種情況你要意識到每換一個尺寸推理引擎可能會重新做 shape 推導(dǎo)延遲會高不少。simplifyTrue導(dǎo)出的 ONNX 會經(jīng)過 onnxsim 工具做一遍常量折疊、冗余節(jié)點刪除之類的優(yōu)化。實測下來YOLO26 的模型開 simplify 后文件體積和推理時間都有改善而且不影響精度。但注意如果你的模型里有自定義算子simplify 可能會報錯那就不用 onnxsim后面手動排查。nmsFalse前面講過原因。官方導(dǎo)出選項里有 nms 這個參數(shù)默認是 False。我建議保持默認除非你非常明確自己的部署鏈路為什么需要模型內(nèi)置 NMS。3.3 導(dǎo)出 ONNX 后我用這三種方式驗證它沒問題導(dǎo)出成功不等于導(dǎo)出正確。我見過太多人 export 時沒有報錯以為萬事大吉結(jié)果接入部署代碼后檢測結(jié)果全亂套。以下三步每步都值得做第一步用 onnx.checker 檢查模型結(jié)構(gòu)合法性import onnx onnx_model onnx.load(best.onnx) onnx.checker.check_model(onnx_model) print(ONNX model check passed.)如果你看懂了 checker 的報錯內(nèi)容大多數(shù)結(jié)構(gòu)性問題比如節(jié)點輸入輸出不匹配、維度信息缺失都能在這一步暴露出來。第二步用 onnxruntime 推理一張測試圖和 PyTorch 輸出對比這是最關(guān)鍵的一步。拿同一張測試圖分別用原始.pt模型和導(dǎo)出的.onnx推理打印輸出矩陣的 shape 和數(shù)值看看是否一致。注意不同框架的預(yù)處理方式可能有細微差別比如像素歸一化方式是 0~1 還是 -1~1通道順序是 RGB 還是 BGR。為了驗證 ONNX 本身沒導(dǎo)錯你應(yīng)該把 ONNX 的輸入喂成 PyTorch 模型輸入張量的完全相同的值。這在部署階段做“預(yù)處理對齊”前的一個獨立驗證。import numpy as np import torch import onnxruntime as ort from ultralytics import YOLO # 用 PyTorch 模型推理得到輸入張量 x 和輸出 model YOLO(best.pt) x torch.randn(1, 3, 640, 640) # 這里可以放一張真實圖片預(yù)處理后的張量 with torch.no_grad(): pt_outputs model.model(x) # 這是 PyTorch 原始輸出不是后處理后的結(jié)果 # 用 ONNX Runtime 跑同一個輸入 session ort.InferenceSession(best.onnx, providers[CPUExecutionProvider]) ort_inputs {session.get_inputs()[0].name: x.numpy()} ort_outputs session.run(None, ort_inputs) # 對比每個輸出的 shape 和數(shù)值 for i, pt_out in enumerate(pt_outputs): ort_out ort_outputs[i] print(fPyTorch output {i}: shape{pt_out.shape}) print(fONNX output {i}: shape{ort_out.shape}) print(fMax absolute diff: {np.abs(pt_out.numpy() - ort_out).max():.6f})如果 max diff 在 1e-4 這個量級甚至更小說明導(dǎo)出基本無損。如果 diff 很大比如超過 1e-2那說明計算圖里有算子被錯誤替換了或權(quán)重對齊出了問題要回頭查簡化過程或者逐層對比。第三步可視化模型結(jié)構(gòu)把導(dǎo)出的 ONNX 文件拖進 Netron 網(wǎng)頁端https://netron.app認一遍從輸入到到各分支輸出的形狀變化。這一步特別適合檢查你用的是不是接了正確 head也適合給做 YOLO26 結(jié)構(gòu)圖展示的人用。這個習(xí)慣很值得養(yǎng)成導(dǎo)出不是驗證的終點“導(dǎo)出完更要對齊再收工”省下的全是后面排查自己的時間。我在自己帶團隊做項目時甚至立過規(guī)矩沒做輸出對齊驗證的模型不允許發(fā)給下游。3.4 繼續(xù)導(dǎo)出 OpenVINO 和 TensorRTYOLO26 用 Ultralytics 導(dǎo)出 OpenVINO 很簡單model.export(formatopenvino, imgsz640, halfFalse) # halfFalse 保持 FP32如果推理機器支持且對精度損失做了評估你可以設(shè)置halfTrue轉(zhuǎn)成 FP16。很多 Intel CPU 的核顯對 FP16 也算友好但如果你在普通 CPU 上做純 CPU 推理FP32 其實更穩(wěn)妥。導(dǎo)出 TensorRT 則這樣model.export(formatengine, imgsz640, halfTrue, device0) # device 指定 GPUTensorRT 導(dǎo)出時務(wù)必指定在 NVIDIA GPU 上。halfTrue是 FP16 精度在主流 Ampere 及之后架構(gòu)的卡上YOLO26 用 FP16 推理精度損失通常很小速度提升明顯。如果你的模型是用 FP32 訓(xùn)練的在 NVIDIA 顯卡上直接用 FP16 推理絕大多數(shù)情況下沒有問題但你仍然要在導(dǎo)出完成后對同一批驗證集圖跑一遍 mAP確認精度下降不超過 1 個百分點才比較穩(wěn)。目標(biāo)平臺推薦格式關(guān)鍵特征通用 CPUONNX ONNX Runtime跨平臺安裝簡單Intel CPUOpenVINOCPU 推理優(yōu)化充分易部署NVIDIA GPUTensorRT推理性能天花板綁定顯卡Apple 設(shè)備Core ML生態(tài)私有格式跨平臺原型驗證ONNX先落地再決定正式優(yōu)化4. 導(dǎo)出時最容易翻車的隱蔽環(huán)節(jié)與完整排查鏈路這一節(jié)我想專門講“導(dǎo)出過程中報錯”的處理思路。因為 YOLO26 的源碼和公開資源太多太雜你下載的“YOLO26 源碼下載”很可能是某個博主二次開發(fā)的版本結(jié)構(gòu)圖和官方不完全一樣甚至已經(jīng)加了各種改進模塊。這種模型導(dǎo)出最容易在“自定義算子轉(zhuǎn) ONNX”這一步掛掉。4.1 先復(fù)現(xiàn)再排查處理導(dǎo)出報錯的通用鏈路假設(shè)你在跑 export 時遇到了一個問題比如報錯說某個算子不支持。不要急著搜“YOLO26 導(dǎo)出報錯”這種寬泛的關(guān)鍵詞按照下面的鏈路一步步縮小范圍第一步精確定位到具體的層名和算子Ultralytics 的 export 日志通常會打印到哪個模塊、哪個節(jié)點失敗。如果日志里只給了統(tǒng)一錯誤用 traceback 定位到模型結(jié)構(gòu)定義文件里的具體調(diào)用棧找到出錯的模塊名。第二步檢查這個模塊是不是新加的“改進模塊”如果它來自你下載的“YOLO26 改進專欄”代碼那么它大概率是社區(qū)里有人寫的自定義模塊內(nèi)部可能用了不常規(guī)的 PyTorch 操作比如torch.cumsumscatter的組合有些注意力機制會這么寫、用了可變循環(huán)長度等。這些操作要么 ONNX 算子集里沒有直接對應(yīng)要么對動態(tài) shape 支持不好。第三步把該模塊單獨摳出來構(gòu)造假數(shù)據(jù)導(dǎo)出單測這是非常高效的排查手段。你在一個新文件里單獨定義一個只包含那個模塊的小模型隨機生成相同 shape 的輸入對它單獨做 torch.onnx.export看能不能成功。如果單獨導(dǎo)出成功說明該模塊本身沒有算子問題問題出在和模型中其他模塊的配合上如果單獨導(dǎo)出失敗那問題就鎖定在這個模塊內(nèi)部。然后嘗試把模塊內(nèi)疑似有問題的操作逐個替換成更基礎(chǔ)的算子比如把某些變形操作用 reshape transpose 拆開再重新導(dǎo)出驗證。第四步考慮將“改進模塊”留在 PyTorch 中用前后處理承接如果自定義模塊實在無法轉(zhuǎn) ONNX某些復(fù)雜的注意力機制和檢測頭結(jié)構(gòu)確實會有問題可以考慮導(dǎo)出時屏蔽掉該模塊把它放到部署代碼前后處理階段用別的方式補償。比如注意力模塊輸出可以在 PyTorch 階段預(yù)先計算好部署時把它的結(jié)果作為預(yù)處理的一部分。這聽起來繞但在工程上是常見的妥協(xié)方案。第五步計算圖分段導(dǎo)出再拼接如果模型主體是標(biāo)準(zhǔn)結(jié)構(gòu)、只有個別模塊導(dǎo)不出可以把這個模塊從全圖中拆出來單獨導(dǎo)出成一個小 ONNX然后用 ONNX GraphSurgeon、onnx_graphsurgeon 或者 ONNX 官方工具庫進行圖拼接。這樣做非常接近“模型主體 一系列子圖”的部署方式比較考驗對計算圖結(jié)構(gòu)的理解。一般不建議新手輕易嘗試但它確實是高階方案里最有效的。4.2 圖像縮放方式造成的“精度翻車”是部署階段最常見的坑導(dǎo)出時模型內(nèi)部計算沒問題但推理結(jié)果不對最常見的原因之一是圖像預(yù)處理沒有對齊訓(xùn)練時的邏輯。YOLO 系列訓(xùn)練和驗證時有一套默認的預(yù)處理流程等比縮放 letterbox向邊緣填充灰邊 歸一化 BGR/RGB 通道順序約定。這套邏輯在 PyTorch 階段是框架內(nèi)部自動幫你做掉的但導(dǎo)出到 ONNX 后模型本身只負責(zé)“吃一個張量吐一個張量”預(yù)處理你必須自己在推理代碼里實現(xiàn)。我見過無數(shù)人栽在這件事上直接用了 OpenCV 的cv2.resize(image, (640, 640))把原圖拉變形了喂進模型導(dǎo)致小目標(biāo)檢測效果極差或者圖像尺寸沒做 letterbox 填充直接把非正方形圖塞進去模型輸出的候選框坐標(biāo)在映射回原圖時就全位移了。正確的做法是部署代碼里復(fù)刻 ultralytics 的預(yù)處理函數(shù)。核心邏輯如下計算縮放比例、完成等比縮放、再用灰邊 (114, 114, 114) 填充到目標(biāo)尺寸、最后做歸一化和維度調(diào)整。下采樣映射回原圖時再把 letterbox 填充的偏移量減去。這段代碼不復(fù)雜但如果抄網(wǎng)上零散版本很容易漏掉 BGR/RGB 轉(zhuǎn)換。建議統(tǒng)一從你訓(xùn)練的框架源碼里把預(yù)處理函數(shù)摳出來翻譯成目標(biāo)語言的版本而不是自己重新“發(fā)明”一遍預(yù)處理。4.3 導(dǎo)出 ONNX 后輸出和 PyTorch 輸出差一點但不算離譜這類問題很隱蔽。報錯倒是沒有數(shù)值對比 diff 也在 1e-3 到 1e-2 量級。這種情況通常來源于兩種因素一是 batch norm 層轉(zhuǎn) fold 時的數(shù)值誤差。PyTorch 推理時 batch norm 是按x - running_mean/ sqrt(running_var eps) * weight bias 逐層計算的而導(dǎo)出到 ONNX 時推理引擎會嘗試把 BN 融合到卷積層里變成 y x * scale offset。這個融合理論上精確但浮點運算順序變化會引入微小誤差。這種誤差在 1e-4 量級通常不影響后處理結(jié)果。二是在 FP16 推理下引入的量化誤差。如果你導(dǎo)出時開了 halfTrueFP32 權(quán)重轉(zhuǎn)成 FP16 會損失一點精度輸出 diff 到 1e-2 量級也是正常的。如果 diff 在這個量級而你的后處理結(jié)果比如檢測框沒有明顯變化基本可以繼續(xù)走但如果 diff 到了 1e-1 以上檢測框都飄了就別以為是“正常誤差”大概率是你某個參數(shù)導(dǎo)出時變了比如權(quán)重文件沒正確加載。4.4 dynamicTrue 導(dǎo)出后動態(tài) shape 導(dǎo)致的隱性 bug有的 YOLO26 模型以動態(tài) shape 導(dǎo)出后某些自研模塊在推導(dǎo)輸入尺寸時依賴于“shape 的數(shù)值”做條件分支比如判斷特征圖寬度是否大于某閾值來決定是否執(zhí)行某個操作。PyTorch 是實時執(zhí)行沒問題但 ONNX 導(dǎo)出時這種條件分支會被固化成靜態(tài)的算子路徑換了輸入尺寸可能執(zhí)行了錯誤的計算路徑導(dǎo)致輸出錯亂。規(guī)避方案很直接不要開 dynamic。如果你的業(yè)務(wù)場景確實需要輸入尺寸可變優(yōu)先考慮在你的部署代碼里做“多檔位”策略比如固定支持三種輸入尺寸分別導(dǎo)出三個 engine 或 ONNX 模型推理時按需調(diào)用。這在工程上比一個動態(tài)模型靠譜得多。4.5 CPU 和 GPU 推理的輸出差異注意點同一個 ONNX 文件在 CPU 上用 ONNX Runtime 跑和在 GPU 上用 TensorRT 跑輸出結(jié)果會有很小的差異原因在于浮點運算順序不同、某些算子在不同后端有不同的實現(xiàn)策略。只要差異在正常范圍內(nèi)通常 mAP 差異不超過 1 個百分點都是合理的。如果差異明顯優(yōu)先檢查是不是某個算子如Resize、GridSample在兩種后端上的插值方式實現(xiàn)不同。YOLO 系列里Resize最常出問題因為框架默認的Resize模式不同版本有細微差別。5. 導(dǎo)出完成后模型要怎么接進真實系統(tǒng)導(dǎo)出只是第一步模型接進推理引擎跑起來才是完整閉環(huán)。這里講一講我在實際項目中用的最小可用推理鏈路以 ONNX Runtime 為例方便各位理解部署側(cè)在做什么。5.1 一套簡潔的 ONNX Runtime CPU 推理流程import numpy as np import cv2 import onnxruntime as ort class YOLO26ONNX: def __init__(self, onnx_path, conf_thres0.25, iou_thres0.45): self.session ort.InferenceSession(onnx_path, providers[CPUExecutionProvider]) self.input_name self.session.get_inputs()[0].name self.input_shape self.session.get_inputs()[0].shape # [1, 3, H, W] self.conf_thres conf_thres self.iou_thres iou_thres def preprocess(self, img_bgr): # 這是從 ultralytics 源碼里摳出來的 letterbox 邏輯 h, w img_bgr.shape[:2] target_h, target_w self.input_shape[2], self.input_shape[3] ratio min(target_w / w, target_h / h) new_w, new_h int(round(w * ratio)), int(round(h * ratio)) resized cv2.resize(img_bgr, (new_w, new_h), interpolationcv2.INTER_LINEAR) canvas np.full((target_h, target_w, 3), 114, dtypenp.uint8) dw, dh (target_w - new_w) // 2, (target_h - new_h) // 2 canvas[dh:dh new_h, dw:dw new_w] resized # BGR - RGB, HWC - CHW, 歸一化 blob canvas[:, :, ::-1].transpose(2, 0, 1).astype(np.float32) / 255.0 blob np.expand_dims(blob, axis0) return blob, ratio, dw, dh def postprocess(self, outputs, ratio, dw, dh): # 先做置信度過濾再做 NMS把框坐標(biāo)減掉 letterbox 偏移并除以縮放比 # outputs shape: [1, 4 num_classes, num_anchors] preds outputs[0][0] # preds shape: [4 num_classes, num_anchors] boxes preds[:4].T # [num_anchors, 4] class_scores preds[4:].T # [num_anchors, num_classes] class_ids class_scores.argmax(axis1) confs class_scores.max(axis1) mask confs self.conf_thres boxes, confs, class_ids boxes[mask], confs[mask], class_ids[mask] # 轉(zhuǎn)換為 xyxy x_center, y_center, bw, bh boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3] x1, y1 x_center - bw / 2 dw, y_center - bh / 2 dh x2, y2 x_center bw / 2 dw, y_center bh / 2 dh candidates np.stack([x1, y1, x2, y2, confs, class_ids], axis1) # 這里可以接 nms 函數(shù)按 class 分別做 NMS 或者統(tǒng)一做 NMS return candidates上面代碼里 NMS 部分我沒有展開推薦大家直接復(fù)用成熟實現(xiàn)比如 torchvision.ops.nms 的等價邏輯或者自己翻譯成純 NumPy 的矩陣版本。最需要注意的是后處理時要把 letterbox 加的偏移量(dw, dh)減掉、把坐標(biāo)除以ratio才能映射回原始圖像尺寸。這一步是絕大多數(shù)“模型導(dǎo)出后檢測框不準(zhǔn)”的根源。5.2 TensorRT 部署時的 batch 與顯存管理如果你導(dǎo)出了 TensorRT engine推理時用的是 TensorRT Python API 或者通過 ONNX Runtime 的 TensorRT provider。這里提醒三個點batch size導(dǎo)出 engine 時如果固定了 batch1那推理時只能一次一張地跑如果要支持多 batch導(dǎo)出時需要設(shè)置 batch 維度Ultralytics export 里 batchsize 參數(shù)可配。顯存占用TensorRT engine 在推理時會額外申請 workspace如果你的顯存比較緊張在導(dǎo)出時可以通過參數(shù)限制 workspace 大小避免推理時顯存溢出。第一次推理慢TensorRT 第一次加載 engine 和選 kernel 需要預(yù)熱時間生產(chǎn)環(huán)境建議在服務(wù)啟動時就提前加載并 warmup 一次而不是等第一個請求進來才做。5.3 一個被低估的能力判斷導(dǎo)出模型的正確“工作溫度”推理引擎在不同精度模式下的運行速度差距非常大。FP32、FP16、INT8 三種模式下延遲可以差 3 到 10 倍。實際部署中優(yōu)先級順序是先用 FP32 把全鏈路跑通、產(chǎn)出結(jié)果正確再做 FP16 優(yōu)化精度評估通過后再考慮 INT8 量化不要一上來直接上 INT8除非你非常了解量化校準(zhǔn)集的概念我的建議是導(dǎo)出不是一次性的而是按性能需求分階段迭代的。第一次先導(dǎo)入 ONNX 跑通正確性第二次導(dǎo)出 OpenVINO/Engine 追求速度第三次嘗試 INT8 壓縮體積。寫在最后YOLO26 的模型導(dǎo)出本質(zhì)上一句話把 PyTorch 的動態(tài)圖世界搬到靜態(tài)圖推理引擎的確定世界里去中間所有的不確定性都要靠流程和驗證來消滅。我個人在大量導(dǎo)出實踐中有一個心得永遠不要讓“格式轉(zhuǎn)換成功”成為你做導(dǎo)出任務(wù)的終點而是要拿“對下游完全可解釋、可復(fù)現(xiàn)”作為交付標(biāo)準(zhǔn)。你可以順手把驗證腳本、輸出 shape、精度誤差記錄、導(dǎo)出命令都一起放進一個說明文件里和模型一起交付。這樣無論是給自己半年后回頭看還是交給下一位接手的工程師都會省掉大把重復(fù)排雷的時間。如果你現(xiàn)在正好卡在某個導(dǎo)出報錯里不妨回頭按我排查鏈路的順序一步步走大概率會在第五步之前找到問題癥結(jié)。YOLO26 的代碼和社區(qū)迭代速度都很快工具鏈本身也在不斷變化但“導(dǎo)出前先確認結(jié)構(gòu)、導(dǎo)出后立刻對齊驗證、部署時復(fù)刻預(yù)處理”這三條原則是長期有效的。祝各位都能順利把模型送到生產(chǎn)環(huán)境里好好地跑起來。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
九九热99视频| 夜夜爽77777妓女免费下载| 99九九中文字幕视频| 99热日| 久久视频婷婷| 一本色综合色| 这里只有精品1| 伊人五月天男人的天堂在线| 久久久久久久久久久久63| 这里只有精品1| 成人一级片| 思思久久99热只有频精品66| 91狠狠综合久久久久久| 极品人妻VideOssS人妻| 996热re视频精品视频这里| 五月丁香综合网| 99热精品在线| 五月丁香在线| 丁香六月伊人| 六月丁香婷婷色综合| 久久综合9| aa久久| 好激情在线综合网| 99热在线这里只有精品| 久久性视频| 激情床戏| 久久久久久久久久久久久9| 天天拍夜夜撸| 国产色五月| 五月丁香亭亭操逼| 日本乱子人伦在线视频| 欧美激情综合色丁香婷婷五月天| 婷婷网影院| 97操操操| 激情久久综合网| 亚洲国产成人AV在线| 久久怡红院| 91精品国产99久久久久久天美| 久99| 一本伊人色婷| 亚洲操操操| 婷婷激情综合色五月久久,色婷婷丁香花,丁香婷婷五月情天,久久婷婷五月综合色 | 五月丁香婷婷综合视频| 欧亚成人A片一区二区| 激情婷婷综合| 色婷在线视频| 日本精品久久久久中文字幕| 五月婷婷亚洲色视频| 伊人色综合影院视频| 五月色网| 成人丁香| 热99久久这里只有精品| 婷婷综合一二三| 99热这里只有精彩| 色XX综合网| 久久99婷婷| 免费观看全黄做爰的视频| 五月天婷婷在线播放免费| 亚洲午夜Av| 六月激情婷婷| 99在线精品免费视频| 99婷婷| 激情98色婷婷五| 99热思思| 婷婷久久六月费| 色五月婷婷综合在线| 九九碰九九爱97超碰| 婷婷色丁香六月| 日本99久久| 天天噪夜夜爽| 五月香婷婷| 久777| 久久香蕉影院| 99久久五月婷婷| 快乐婷婷五月天| 婷婷久久色| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 在线日韩av| 五月丁香激情综合网| 激情婷婷另类| 激情六月五月婷婷综合网| 99在线视频女女视频| 色婷五月天| 99国产精品久久久久久久久久久 | AV九九| 色色综合视频| 婷婷区日本| 爆乳熟女一区二区三区爆乳| 五月天久久小说| 99热免费观看| 婷婷色网站| 婷婷丁香人妻天天久久| 日逼免费视频| 综合网激情五月天| 欧美日韩大黄| 大香蕉 婷婷| 婷婷五月天激情小说| 五月天激情中文字幕| 97综合在线| 激情丁香久久久久久| 超碰在线免费观看日韩| www.99色| 九月丁香婷婷| 9久精品| 大香蕉九九操| 国产操逼网站| 九九超日本| 婷婷婷狠狠| 五月丁香六月激情| 91操操| 婷婷五月天综合在线 | 99久久99久久综合| 亚洲午夜AV| 日韩成人无码人妻| 五月丁香婷婷啪啪| 婷婷色网| 六月丁香久久| 99热.com| 色五月欧美| 免费国产视频| 亚洲永久免费| 日日爽夜夜爽| 99视频只有精品| 色婷婷五月丁香在线观看| 六月婷婷av| 激情国产综合| 91色逼| 91亚洲天堂| 色爱爱综合网| WWW.久久99| 91嫩草国产线观看亚洲一区二区| www,setingting| 强壮公让我夜夜高潮A片视频| 五月色亚洲| 亚洲1区| 99热播放| 久久亚洲婷婷| 精品一二三区久久AAA片| 99视频在线| 99色综合网| 久久婷婷五月综合色奶水99啪| 激情AV在线| 精品人妻在线| 色玖玖| 国产免费一区二区在线A片视频| 日本超碰在线| 国产美女无遮挡裸体毛片A片| 99在线精品免费视频| 9l视频自拍九色9l视频在线观看| 成人精品在线| 日韩成人无码| 激情网色五月| 激情五月激情综合网| 六月婷婷开心| av操逼网| 五月丿香啪啪| 人人干99| 五月丁香婷婷AV天堂| 亚洲色情激情丁香五月| 亚洲成人婷婷| 婷婷伊人| 在线视频婷婷| 98永久精品| 丁香婷婷基地| 六月天六月婷| 色五月婷婷网| 欧美在线视频99| 精品人妻伦九区久久AAA片| 中文字幕无码人妻少妇免费视频 | 欧美性生交XXXXX无码小说| 综合色图区| 成人国产欧美大片一区| 婷婷五月无码| 国产成人+综合亚洲+天堂| 天天肏屄夜夜爽| 狠狠色精品综合| 人妻精品一区二区三区| 夜夜操狠狠操| 91九色无码内射| 丁香五月区| 色五月婷婷狠狠撸| AAA亚洲AV| 久久538| 久久久99免费视频| www99热| 亚洲成人在线观看av| 色99xx| 大香蕉五月婷婷| site:xiongshengzz.com| 99热精品10| 婷婷综合爱| 五月丁香六月婷婷啪啪| 亚洲精品久久久无码| 中文字幕天天干| 六月丁香久久| 久久只有18视频| 色五月在线观看| 亚洲综合网在线| 天天干天天操天天射| 99在线观看视频免费| 天天摸天天日天天舔| 五月天婷婷操逼视频| 99操视频| 91丨九色丨白浆| 精品国产人人爱人人| 亚洲日韩欧美综合VA| 丁香婷婷大香蕉| 97爱艹婷婷开心丁香激情综合| 色久影院| 婷婷五月天com| 九九干视频| 大地9中文在线观看免费高清| 五月天色站| 五月婷婷久久开心网| 丁香久月| 婷婷五月天最新网址| 久久久网站| 激情五婷网| 久久狠狠干| 中文字幕av网站| 亚洲国产精品成人免费一区久久久在线观看AAAA | 欧美S码亚洲码精品M码| 91日本在线| 五月综合色播播丁香婷婷| 99热这| 人妻激情网| 5月色亭亭视频| 天天日天天舔| 久久久久久久久久久久久久久久久精典| 任你草| 婷婷激情图片| 婷婷97C| 亚洲婷婷月丁香五月| 色婷婷激情| 五月婷婷黄色网址| 欧美美女国产日韩一区二区久 | 天天插天天干| WWW色五月| 色五月之第四色| 丁香九月综合激情| 中文字幕五月久久婷| 综合五月激情| 亚洲超碰青涩| wwwC0maV五月花| 99久久网站| 亚洲旡码| 综合AV在线| 黄色五月婷| 色婷婷情片| 天天日人人爽| 激情内射人妻1区2区3区| 成人婷99最新| 女人天堂AV| 岛囯综合激情网| 五月天日日操夜夜操 | 俺去也婷婷| 精品久久穴| 五月丁香爱婷婷深深| 99ri在线观看视频| 97操在线视频| 五月天桃色深爱网| 99精品视频免费在线播放| 色三级色三级| 欧美日韩91| 超碰色综合| 婷婷va| 五月天婷婷视频| 东北熟女视频99| 99热只有精品在线观看| 九色在线五月婷婷网址| 99爱免费在线视频| 天天肏视奸| 天天免费日日夜夜夜夜| .肏屄视频一区二区| 久久色五月天综合网| 四川BBB搡BBB搡多人乱亂| 99色精品视频| 日本欧美成人片AAAA| 色七色九九| 国产激情综合五月久久| 超碰免费人人肏| 欧洲亚洲免费视频9| 香蕉久久国产AV一区二区| 美女亚洲五月丁香| 大香蕉在九| 五月的丁香六月的婷婷| 五月丁香亭亭A片| 日本AAAAAAAAAAAAAA片| 91xxxx九色| 亚洲熟妇无码乱子AV电影| 东京热免费视频网站| 色香久久| 六月丁香激情综合网| 五月开心网| 色狠狠999综合网| 噜噜视频| 婷婷五月色亚洲| 色婷婷yy久| 天天操人人干| 色综合丁香| 色婷视频| 狠狠五月综合在线| 狠狠人妻色综合| 婷婷五月丁香基地| 亚洲精品欧洲精品| 爱久久小说下载网| 日本va视频| 热久免费视频9| 少妇搡BBBB搡BBB搡毛茸茸 | 婷婷激情伍月网| 无码激情AAAAA片-区区| 久久99精品久久只有精品| 五月天激情四射网站| oumeisesewang| 国模九区| 超碰a女人的天堂| 五月天婷婷影院| 亚洲五月天激情| 天天热夜夜操| AV操逼网| 伊人久久丁香狠狠婷婷综合香蕉| www.色婷婷.com| 91久久久久久久| 少妇熟女视频一区二区三区| 丁香六月情| 婷婷色五月激情| 欧美成人猛片AAAAAAA| 亚洲色激情| 99热销国产这里有精品| 精品一二三区久久AAA片| 色婷婷六月天在线| 国产亚洲在线| 久re在线| 深爱五月天| 色大综合| 91超级碰| 色天使色综合| 色999五月色| 99热这里只有免费| 天天日天天干天天爱| 婷婷五月天成人视频| 成人五月天丁香| 五月丁香啪啪激情| xx久久| 国产精品久久久久久妇女6080| 六月婷婷五月天| 人人草公开操| www.99日本| 粉嫩AV久久一区二区三区| 五月天激情婷婷| 五月婷婷开心色伊人| 五月婷久久草| 97超级啪啪在线观看| Av大香蕉| 久久综合五月天| www.色欲丁香婷婷| 高清无码网址| 成人综合AV| 99爱免费视频在线观看| 五月丁香久久精品在线观看| 97干视频在线| 九九99九九精品视频| 天天做天天爱天天高潮| 综合AV在线| 成人精品99| 五月天婷婷一起草| 中文字幕婷婷| 色丁香五月| 97色精品视频| 久久精品99国产精品日本| 99热这里只有精品1025| 人人干av| 五月成人天| 日韩欧美四五区| 婷婷色在线视频| 丁香五月停停av| 天天插天天射| 久久婷色| 色婷婷小说网| 天天做夜夜爽| 91碰碰| 99热这里只有精品99| 青草激情在线| 婷婷五月天亚洲综合网| 狠狠色狠狠鲁| 日日射天天射| 久噜久噜| 热成人网| 欧美丁香五月| 99热无码首页| 欧美美美女性色视频| 先锋男人91资源| 亚洲妇女熟BBW| 亚洲超碰在线| 午夜大香蕉| 人人摸人人搞| 天天操婷婷| 亚洲精品亚洲人成人网| 激情小说视频图片| 99热精品无码| www狠狠| 丁香婷婷久久 | 最新av在线观看| 丁香五月婷中字幕| 五月天久久网站| 在线不卡的视频| 依人大香蕉在钱1| 综合天堂AV久久久久久久| 国产亚洲99久久精品| 99色在线| 色综合久| 亚洲成人AV高清字幕| 无码激情AAAAA片-区区| 九九成人电影婷婷| 婷婷激情六月中文| 婷五月天| 五月天丁香婷| 色色五月婷婷| 婷婷久久免费看| 狠狠色丁香99| 色五月天激情| 婷香五月激情视频| 亚洲综合另类| 五月天社区| 五月天色影院| 日韩免费视频| 狠狠爱丁香婷| 亚洲AVwwwwwww| 婷婷天堂综合网| 大香蕉久久伊人网| 婷婷九月丁香天堂丁香天堂| 色99在线视频| 91操色| 99热日本| 丁香五月天婷婷激情| 五月色丁香| 九热视频| 亚洲精品无AMM毛片| 久久久精品婷婷五月天| A级毛片高清免费不卡播放谢谢谢谢| h亚洲| 99无码视频| 77799热| 五月丁香六月色婷婷| 久久人妻在线| 情色五月天网站| 囯产精品久久欠久久久久久九大| 蜜乳av一级av| 99re热在线观看| 色婷婷XXXXX| 日日操日日干| 91凹凸在线| 亚洲第一综合| 色婷婷亚洲综合天堂| 婷婷丁香五月91| 久久只有这里精品免费| www夜夜操com| 激情五月婷婷网| 国产偷人爽久久久久久老妇APP| 婷婷五月天渟渟| 国产操B视频| 99在线观看视频精品| 色婷婷激情五月天在线观看| 91超级碰| 91fuliwang| 综合色99| 国产精品五月天婷婷| 青草青草久热这里只有精品| 五月丁香婷婷伊人| 色色五月丁香婷婷| 九色综合网| 性生活视频98791| 成人小说 五月天 婷婷| 99九无网码| 亚洲第一成人无码A片| 欧美日韩国产一区二区| 日本va网站| 综合婷婷五月天| 丁香五月成人| 9久国产| 婷婷六月插屄激情| 色五月综合在线| 天天日中文| 4399在线日本A片| 色婷婷九月综合| 超碰成人在线观看| 东北熟女视频99| 五月婷婷在线短视频| 一级操逼内射在线视频| 国产av天堂| 超碰在线观看9| 日韩久久这里只有精品| 色爱五月天| 丁香五月婷婷久久久| 另类色视频| 日本美女五月天| 综合aV在线| 亚洲AV成人精品日韩在线播放| 这里只有精彩视| 亚洲国产99| 色色婷婷婷丁香五月天| 丁香婷五月| 超碰人人在线| 婷婷五月天网址| 精品无码视频| 欧美成人精品A片免费一区99| 丁香久久| 日韩在线一级| 狠色色狠网| 狠狠色色| 激情婷婷五月久久| 中文色婷婷| 99青青草99| 激情五月综合色| 色五月欧美| 九九9久九9国产视频| 婷婷情色五月| 天天成人五月天| 九九RE视频在线精品| 五月婷婷亚洲色图| 这里只有精彩亚洲视频推荐| 亚洲精品又粗又大又爽A片| www.超碰| 精品五月天| 久婷婷五月综合欧美| 婷婷激情五月色综合| 日本一級黃色一級片| 亚洲VA欧美VA| 亚洲欧美婷婷五月色综合| 99精品热视频| 色婷五月| 99久久九九| 久久总和99| www.久久9| 五月婷婷丁香瑟瑟视频| 97人碰人操| 色青青视频| 五月天激情网站| 六月婷婷天天操夜夜爽视频| 一级性爱视频| 天天玩夜夜操天天爽| 人人操99| 99色6爱9热| 色五月激情婷婷| 免费亚洲婷婷中文字幕| 91久久久久久久久18| 99精品在线观看视频| 成人av免费观看| 色私五月婷婷| 久久婷婷综合基地| 91九色熟女| 无码人妻激情| 五月天激情国产综合婷婷婷| 婷婷色五月偷拍| 婷婷亚洲综合| 操嫩逼电影| 婷婷五月天综合亚洲| 亚洲精品性色| 激情五月婷色| 丁香五月天成人网站| 94干大香蕉| 婷婷色综合| 91青娱乐青青草| 97久久人人| 大香蕉伊人久久| 91人妻PORNY九色大屁股| 婷婷五月天中文字幕.| 天天干天天插| 色婷婷五月婷婷五月婷婷五月| 色婷婷六月| 丁香五月婷婷激情中文| 亚洲AV无码成人精品区电影网| 色噜噜狠噜噜视频| 日本久久婷| 国产日韩欧美性爱| 色婷婷丁香AV综合| 久久伊人婷| 日韩在线视频网站| 激情综合五月激情XXXX| 六月婷综合| 五月天婷婷综合免费| www.射伊蕉婷婷| 婷婷五月天久久久| 9999色色色色| 婷婷久久免费| 日韩999| 影音先锋 91工厂| 99热伊人综合| 色情综合| 激情五月天第四色| 91日本在线| 99热在线里有精品| 99在线小视频| 色五月丁香婷婷| 五月丁香婷中文字幕 | 亚洲爆乳无码精品AAA片蜜桃| 丁香五月天BBw| av在线免费网站 | 亚洲精品国产A久久久久久| 久噜久噜| 色婷婷伊人| 天堂无码人妻精品AV一区| 婷婷丁香成人五月天| 91偷拍视频| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 色和综合网| 五月婷婷AV| 婷婷国产日本欧美| 99久免费视频| 五月丁香色综合| 免费在线观看欧美激情xx小视频| 久久视屏这里只有久久| 欧美激情 日韩无码 婷婷 五月天| 六月丁香久久| 丁香六月激情综合啪啪| www.天天色综合| 婷婷久久欧美| www.99色| 九九干视频| 亚洲瑟瑟精品在线| 久久综合综合久久| www.91热久久| 婷婷五月六月丁香| 爱草人视频| 日本美女天天日天天爽| 色婷婷操逼| 五月丁香欧美综合免费视频| 九九热av| www,99色| 亚洲精品字幕在线观看| 亚洲色图五月丁香| 丁香五月天综合网| 欧美操人| 玖玖九九超碰| 国产成人网址| WWW99热| 欧美久久婷婷| 亚洲精品五十一区| 色婷婷久久综合| 伊人成综合五月婷婷| 成人综合网站| 99综合| 综合激情视频| 丁香五月激情视频在线| 丁香五月花婷婷开心| 天堂综合久久| 久久五月天精品视频| 成人无码髙潮喷水A片| 激情丁香九九五月综合网| 丁香五月婷婷综合网| 五月天第四色开心色播| 久九色| 99九九热视频| 亚洲久艹| 精品五月花| 蜜桃五月天| 俺去也五月| 激情婷婷久久| 可以免费观看的av| 狠狠色婷婷777| 翔田千里无码| 天天婷婷天天| 久久久久久久久久久久久久人妻视频| 色区久久| 色五月婷婷基地| 91色在线 | 日韩| 九九成年视频| 果冻传媒A片一二三区| 国产XXXX搡XXXXX搡麻豆| 99热久| 玖玖色资源站| 婷婷四月 成人 狠狠干| 九九AV| 色婷婷婷婷| 91成人看片| 国产精品色婷婷久久久精品| 婷婷综合日本| 久久的爱大香蕉| 99丝袜精品视频网站| WWW.HENHENL.| 欲色人妻| 丁香久久九九99| 秋霞网在线免费基地五月婷婷丁香| 精品久久久中文字幕大豆网推荐理由| 2018国产大陆天天弄| 婷婷久久综合| 精品夜夜澡人妻无码AV| 免费视频WWW在线观看网站| 日本色色色| 五月丁香| 熟女少妇内射日韩亚洲| 久久久久亚洲AV综合| 97人妻碰碰中文无码久热丝袜| 婷婷五月天小说| 日本三级黄色大片| 五月丁香婷中文| 日本在线视频播放91| 亚洲色五月婷婷| 丁香五月婷婷色情综合| 天天色,天天日,天天做| 天天色噜| 久久a热| 激情五月天天狠狠久久| 99久久婷| 婷婷综合久久| 成人AV在线中文版| 97超碰色| 欧美久久网| 欧美日韩99| 久婷婷五月丁香在线观看| 妻久久久久| 狠狠操在线视频| 日日舔夜夜操| 婷婷五月精品中文字幕| 五月天婷婷色| 国产精品A成V人在线播放| 91se精品国产| 日本在线视频看se99| 久久精品63| 久久国产一区二区三区| 97人碰人操| 色婷婷色| 丁香五月激情六月欧亚激情综合导航 | 色婷婷丁香香香蕉视频| 66成人网| 天天操婷婷| 一本色道久久88加勒比| 久久一级免费黄色片| 六月丁香大香蕉| 五月天激日本色情在线| 五月丁香六月婷婷久久久综合| 天天精品视频免费观看| 超碰亚洲天堂| 国产午夜精品AV一区二区麻豆| 99热色综合| aa久久| 蜜桃婷婷丁香五月天狠狠久久综合| 欧美激情-区二区三区| 狠狠色五月天| 婷婷六月天| 97日日碰碰| 久9视频| 色五月激情综合| 婷婷99狠狠| 超碰99在线观看| 97超碰99热99| 99re热精品在线视频| 黄页大全十八禁| 99热99美国在线观看| 婷婷午夜| 五月天丁香婷婷社区| 色五月丁香总合网| 成年人丁香五月| 五月天激情四射| 人人97操| 九九热在视频| 婷婷五月天激情免费在线观看| 欧美色99| 香蕉久久av一区二区三区| 日本操片| 人人舔天天| 色吧综合网| 欧美日韩色色| 激情五月深爱五月| 婷婷丁香小说| 国产午夜成人AV在线播放| AAA久久久AAA久久久AAA| 四色 爱 婷婷 精品 亚洲 五月天| 五月天婷婷社区| 熟女人妻一区二区三区免费看| 伊人网大香| 狠狠干.com| 五月天激情黄色小说在线观看| 天天爽免费视频| 日本色色网| 欧美三日本三级少妇三99| 青青福利网| 天天干电影| 日韩视频女神99| 五月婷婷伊人久久| 夜夜干天天操| 欧美日韩国产伦精品日韩人妻一| 丁香五月 六月婷婷首页| 久久99久久99精品免视看婷婷| 97干资源在线观看| 婷婷丁香高潮了| 婷婷色网站| 激情五月婷婷她| 九九九成人在线视频| 99久久综合| 色婷婷色综合激情91| 五月婷婷久久网| 六月丁香五月婷婷| 日本色99| 久久99热免费最新版| 婷婷综合性爱网| 激情宗合哪里能看| 91玖玖| 久久九九婷婷| 伍月婷丁香花全集| 免费看欧美成人A片无码| 色色色色五月天| 日日夜夜天天| 亚洲乱啪| 激情色视频| 欧美日本韩国亚洲| 国产伊人五月天| 67194国产| 大香蕉婷婷丁香| 色五月天成人| 热久91| site:feetmall.com| 精品亚洲国产成人A片在线鸭王| 操人91| 色99日韩| 99热最新精品| 婷婷情色五月天| 91好好热日本在线| 色色a| 五月婷综合| 狠狠色丁香久久婷婷综合五月| 风流少妇A片一区二区蜜桃 | 九九久久视频| 激情5月婷婷| 另类国产欧美视频| 影音先锋人妻出差| 九月丁香婷婷基地| 婷婷六月激情丁香| 无码激情AAAAA片-区区| 综合99在线| 五月丁香啪| 五月情丁香色| 婷婷六月天| 婷婷五月天直播| 欧洲色区| 色综合久久天天综合网| 久九男女天堂| 婷婷亚洲在线| 五月天另类小说久久小说网| 婷婷夜夜操| 欧美碰碰碰| 亚洲色爱综合| 视频1区2区| 综合一区二区三区| 五月丁香 啪啪| 成人在线网| 婷婷色色五月| 91九色首页| 久久er+| 一起草AV入口| 五月丁香伊人网| 超碰99在线| 婷婷五月天激情综合婷婷五月天激情综合| 中文字幕按摩做爰| 99精品爱| 丁香五月婷婷欧美成人色图| 夜色综合网| 亚洲啪啪视频| 天天日天天色| AV五月丁香| 日韩在线视频9色| 99热6色| 日本在线99| 婷婷九月色| 秋霞三级影视资源| 久久人人添人人爽添人人片αV| 99热在线精品观看| 久久久99免费视频| 夜夜撸夜夜骑| 热久久66| 亚洲四色五月| 99操逼| 日韩激情婷婷五月天| 97碰精品| 五月天丁香久久| 中文字幕不卡+婷婷五月| 激情六月丁香| 99精品视频免费在线播放| 青柠影视免费高清电视剧| 激情五月四色| 六月丁香av| 99精品国产在热久久| 九九爱激情| 国产精品视频免费看| 亚洲射激情| 日韩美一级毛卡片| 色综合婷婷| 天天舔天天| 欧美日韩五月婷婷| 亚洲久久激情| 日日懆天天懆| 91色操| 99噜噜噜在线播放| 五月丁香五月综合欧美| 色优久久| 色五月美女| 97久久人人操| 日韩久久这里只有精品| 超碰男人色| 精品香蕉99久久久久网站| 五月天婷婷成人| 九九热这里有精品视频| 玖玖伊人网| 久99| 色色色色色色综合| 色婷婷久久综合久色综| 99色色网| 狠狠色综合精品视频在线| 成人精品在线| 五月婷婷性爱网| 国产激情综合五月久久| 色色丁香激情五月| 丁香六月综合激情| 激情性爱婷婷| 91啪啪视频| 综合婷婷都市激情| 九九视频这里只有精品在线播放 | 色播五月婷婷| 五月网在线| 免费成人va| 婷婷99丁香| 强辱丰满人妻HD中文字幕| 色噜噜五月天| 激情小说之五月| 丁香久久| 国产AV不卡福利| 亚洲精品无码99热| 天天色播| 天天日夜夜曹| 狠狠人妻久久久久久综合丁香| 久操福利| 欧美色偷偷大香| 九九这里只有精品| www.99热在线观看| 狠狠插日日干撸| www.精品99| 五月丁香啪啪综合| 香蕉五月婷婷| 96精品成人无码A片观看金桔| 999婷婷综合| 五月婷婷丁香在线| 狠狠色综合777| 色婷婷导航| 综合激情四射一theav| 五月天婷婷久久| 色99视频| 99免费在线视频| 九月婷婷在线观看| 成人做爰A片免费看视频| 國語久久婷| 久久a热| 五月天婷婷青青草| 9999热精品在线免费播放| 激情久久五月天| 十区AV| 伊人天堂婷婷| 日逼影音先锋男人AV资源站| 国产亚洲色婷婷久久99精品91| 九色91视频| A久久| 丁香五月开心五月激情| 久热这里精品免费| 五月婷婷五月丁香综合| 久久99综合| www.henhenl| 丁香五月123| 婷婷色五月天色色| 激情玖玖sh| 五月花婷婷| 男女99免费视频| 九色七七| 97色天堂| 天天肏高清在线| 天天干天天干天天干天天干天天干| 66精品成人免费网站在线观看| 日本ww亚洲| 五月开心六月婷婷在线播放网站| 婷婷五月亚洲激情| 开心五月六月婷婷| 97干在线视频| 色婷五月天| 伊人激情啪啪| 婷婷五月天综合网| 伊人网大香| 人人操97| 97操在线视频| 欧美日综合| 人妻中文在线| 天天激情5月天亚洲| 五月色色色| www.激情| 激情图片亚洲| 啪啪啪综合网| 99久久久国产大片| 午夜理论片最新午夜理论剧| 色八月婷婷| 思思99热在线| www.婷婷五月天啪啪| 激情五月亚洲综合网| 丁香五月天五码婷婷| 久久机只有这里精品| 99色一| 色色网五月激情| 婷婷五月激情五月激情| 另类激情综合| 五月婷婷激情综合| 天堂综合久| 情色五月天网站| 99色网站| 农村熟妇高潮精品A片| 激情性爱五月天网页| 人妻在线观看视频| 五月婷婷狠狠久久| 久久综合影院| 色色色欧美| 九九免费视频在线| 激情五月婷婷中文字幕| 激情婷婷五月社区| 国产成人+综合亚洲+天堂| 亚洲久热| 五月人妻婷婷| 五月天激情网开心网| 五月天偷拍| 91九色熟女| 久久激情网| 色婷婷在线电影| 五月婷婷色色网址| 婷婷性爱网| oumeisesewang| 天天天天天天噜| 五月天婷婷成人网| 色婷婷狠狠| 无码少妇高潮喷水A片免费| #NAME?| 五月激情婷婷综合| 思思热在线视频观看精品| 久香草视频在线观看| 五月婷婷免费在线视频| 97av在线视频| 无码 av电影| 视频久久9| 99色色热| 色五月开心开心五月激情五月| www.五月天激情| 91久久九久久九久久九久久九久久| 天天综合网91| 亚洲精品久久久久AV无码| 无码人妻一区二区一牛影视| 久久五月网| 色色丁香五月婷婷| 久久激情五月| 亚洲黄色影视| 五月丁香A片| 色色色欧美| 激情五月丁香六月婷婷| 久久久久久久久99精品| 五月开心网| 色色色天堂网| 伊人五月天男人的天堂在线| 婷婷激情五月天视频在线| 日亚二欧美| 亚洲精品一区中文字幕乱码| 99色日本| 成人AV在线网站| 激情五月综合网| 成人精品视频99在线观看免费| 久久精品日| 婷婷第六色| 五月天综合视频网| 99久热| 天天网曰日曰夜夜综合永久免费| 婷婷丁香色五月亚洲| 99无吗| 亚洲精品亚洲人成人网| 99热人人操人人操| 婷婷色五月天第7色| 97se视频在线| 人人摸人人操人人爱| 婷婷激情性爱| ss视频xx91| 欧美色五月| 六月丁香激情| 丁香五月激情综合网激情五月| 久久婷婷内射| 久综合4| 伊人婷婷青青cao| 五月婷婷网五月在线| 欧美成人A片AAA片在线播放| 激情五月天福利| 综合久色五月| 在线色色| 超碰97色| 欧美综合在线五月天色婷婷| 色婷婷狠狠18禁| 久久五月天激情婷婷| 夜夜爽日日躁| 久热这里只有精品99re| 99热在线看| 婷婷五月综合欧美在线播放| 五月婷婷丁香| 性爱七区| 五月天狠狠干| 丁香五月色情| 疯狂做受XXXX高潮A片| 色七七九九| 色亚洲欧洲| 91夫妻视频| 久久婷婷成人视频| 久久精品9| 98热精品| 国产成人va在线| 久久综合九九| 国产激情AV| 免费视频无码| 九九在线91| 成人欧美Va| 丁香六月婷| www.久久爱| 国产性爱一级| 97碰碰草| 亚洲精品久久久久久久久久吃药| 99性视频| 97福利视频| 丁香五月影视| 99色| 狠狠高潮精品亚洲1| 爱iii做iiii日日| 俺也去综合| 亚洲精品一区无码A片| 最新日本A片| 丁香五月色网| 大香蕉人人网| 狠狠狠狠狠狠狠狠| 五月婷婷婷色| 天堂草在线观| 玩熟女五十AV一二三区| 综合激情五月综合激情五月激情1 天天爱天天做天天舔 | 99成人无码| 国产性爱在线| 久久这里都是精品视频| 最近中文字幕在线中文视频| 五月丁香六月婷婷啪啪综合| 久久综合婷婷| 开心五月婷婷激情| 91九色首页| 九九精品99| 色欲丁香| 丁香婷婷五月综合色情| 欧洲不卡视频| 无码区婷婷五月花开| 第四色大香蕉| 伊人五月婷婷国产视频| 五月天综合久久| 99噜噜噜| 久久婷婷丁香| 五月婷六月| 狠狠丁香| 色综合久| 色色99| 五月久久噜噜| 丁香五月激情啪啪| 无码激情精品色婷婷久久久久| 刘玥av在线| 这里只有精品视频在线看| 中文字幕在线视频播放| 综合五月天完整| 五月婷婷97| 99热综合色图| 91性高潮久久久久久久久| 五月天婷婷色综合| 99色色热| 五月丁香| 色婷婷五月天天天干天天操天天爽| 五月丁香婷婷激情爱爱| 色色日本| 六月婷婷久久| 狠狠干夜夜干| 天天色爽| 五月婷婷 婷婷五月 一区二区 久久久 | 色婷婷免费视频| 香蕉综合网| 久久99激情| A片天天| 亭亭五月色男人| 无码人妻激情| 97福利视频| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 啪啪九九色| 五月天婷婷激情| 天天天干夜夜夜操| 99色丁香婷婷综合网| 久9热在线免费观看| 人人草人人舔| 婷婷激情五月综合| 搡BBBB搡BBB搡18| 午夜丁香婷婷| 色啪影院| 艳妇野外情欲放荡HD| 日日爽日日| 国产精品人妻欲求不满| 无码少妇高潮喷水A片免费| 六月丁香好婷婷| 婷婷趴趴| 99热最新| 青青草日本亚洲| 五月天婷婷色情| 色五月亚洲| 色五月视频,小说| 色情婷婷。| 丁香五月影院| 99热在线这里| 婷婷伊人网| 婷婷五月天中文字幕| 六月丁香激情网| 99精品网站| 日韩欧美老妇性视频91久久久| 五月丁香五月综合欧美| 精品少妇蜜臀91| 9l视频自拍九色9l视频自拍九色9l社区 | yazhouzonghesese| 91porn一起草| 日韩黄色中文字幕| 久久五月激情综合| 日本九九热| 99精品国产热久久91色欲| 国产精女同一区二区三区久| 婷婷色五月天在线| 99操逼| 在线区区区| 亚洲免费观看高清完整版AV线| 99国产精品白浆在线观看免费| 丁香六月婷婷综合欧美| 婷婷丁香色五月亚洲| 欧美日韩一区二区三区四区| 久久久18| 色综合天天天天做夜夜| 日本色道视频网站| 182.t午在线观看| 97天堂| 9999色色色色| 99ri在线观看视频| 欧美A片在线视频免费观看| 婷婷九月丁香| 久久久久久久合一狠狠做深爱 | 亚洲色五月婷婷| 婷婷五月天免费视频| 亚洲中文丁香| 亭亭五月基地在线| 五月天婷婷色| 97热视频| 婷婷播5月| 天天干天天日天天插| 久久总和99| 日韩三十六页| 激情五月久久| 99热这里只有精品9| 97亚洲色 torrent magnet| 日本久久精品18| 九月激情婷婷丁香| 开心激情网在线| 婷婷在线激情| 丁香五月激情视频在线| 天天久久66xxx| 91好好热日本在线| 激情五月天婷婷播播久久综合91| 欧美色色色色色|