自训练PPYOLOv3模型转RKNN格式模型过程中遇到的问题？

环境

• 【FastDeploy版本】：fastdeploy-develop
• 【系统平台】:Windows x64(Windows10)
• 【硬件】： 说明具体硬件型号，如 Nvidia GPU 1060， CUDA 10.2 CUDNN 8.3
• 【模型转换环境】: rknn-toolkit2版本为1.4.3b4+48391b8f
• 【编译语言】： Python3.6

问题日志及出现问题的操作流程

• 1. 【所用的自训练模型文件】

• 使用项目训练好的模型动转静导出Paddle模型文件，导出时设置export.nms=True，运行代码如下所示
  python tools/export_model.py -c configs/yolov3/yolov3_darknet53_270e_coco.yml --output_dir=./inference_model/0630 -o weights=output/yolov3_darknet53_270e_coco/best_model.pdparams export.nms=True

• 2. Paddle模型转ONNX模型

• 导出Paddle模型后，按照Paddle模型转换为ONNX模型文档,静态图转ONNX、固定Shape操作，运行代码如下所示

• 静态图转ONNX： paddle2onnx --model_dir inference_model/0630/yolov3_darknet53_270e_coco --model_filename model.pdmodel --params_filename model.pdiparams --save_file inference_model/0630/yolov3.onnx --enable_dev_version True

• 固定shape： python -m paddle2onnx.optimize --input_model ./inference_model/0630/yolov3.onnx --output_model ./inference_model/0630/new_yolov3.onnx --input_shape_dict "{'image':[1,3,416,416],'scale_factor':[1,2]}"
  以上过程均能正常执行

• 3. ONNX转RKNN

• 转换前准备：将模型文件拷贝到FastDeploy/tools/rknpu2下，根据模型netron可视化结构图、模型配置文件infer_cfg.yml，修改config文件，按照按照编写yaml文件文档修改、normaliz参数和output参数.

• 设置do_quantization为False并执行下面命令转换模型后出现错误

• python export.py --config_path=./infer_cfg.yml --target_platform rk3588

• 错误信息提示：E Loading dynamic inputs model is not support, please fix it first E Catch exception when loading onnx model: ./new_yolov3.onnx!

• 设置do_quantization为True并执行下面命令转换模型后出现错误：

• python export.py --config_path=./infer_cfg.yml --target_platform rk3588

• Loading dynamic inputs model is not support, please fix it first E Catch exception when loading onnx model: ./new_yolov3.onnx!

Start with examples/vision/detection/paddledetection/rknpu2/README_CN.md and tools/rknpu2/export.py, then review the supplied infer_cfg.yml and reproduce the commands for Paddle-to-ONNX and ONNX-to-RKNN conversion. Done means the self-trained YOLOv3 ONNX model converts for rk3588 with both quantization settings without the dynamic-input error.