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
天天摸天天舔在线视频| 丁香婷婷色六月| 99综合网| 91成人看片| 丁香六月开心| 久久五月激情综合| 99热欲| 五月天停婷基地| 凹凸7777操操操| 亚洲色综久久五月| 中文在线视频久9| 91人人爽狠狠狠| 久久视频九九视频| 思思色综合网站| 久艹大香蕉| 99热免费| 天天日天天舔| 大香蕉520| 亚洲色色香蕉| 婷婷色Av| 中文字幕性爱丰满| 五月丁香六月婷婷玖玖| 色五月婷婷激情五月| 九九九色综合| 成人午夜无码视频| 丁香婷婷五月激情| 天天搡日日搡aaaaⅩ| αv中文字幕在线观| 丁香色五月 97干| 色停停五月天| 九九精品免费| 色噜噜狠狠色综无码久久合欧美| 思思久久精品| 丁香五月手机在线| 日本五月天网站| 五月婷婷综合色啪首页| 丁香五月激情六月综合| 丁香五月天BBw| 色色色综合视频| 色五月婷婷操逼| 伊人久久大香线蕉亚洲五月天,| 超碰在线成人| 五月婷婷丁香啪啪| 91人人超碰在线| 亚洲成人AV一区在线观看| 国产精品扒开腿做爽爽爽A片唱戏| 丁香六月啪啪啪| 这里只有精品免费视频| 亚洲欧洲国产精品| 99精品久久| 99熟女视频| 色99色| 婷婷五月婷婷| 亚洲乱码w在线观看| 岛囯综合激情网| 国产AV一区二区三区最新精品| 亚洲人人操| 欧美25p| 91九九| 丁香大香蕉| 超碰人人超碰| 色五月婷婷网| 六月丁花香啪啪激情欧美| 成人在线二区| 天天综合色丁香| 日亚二欧美| 大香蕉人人网| 黄色aaaaa| 欧美色色色| 色婷狠狠| 91精品综合久久久久久五月丁香| 丁香五月丁香伊人| 99啪啪网| 国产精品扒开腿做爽爽爽A片唱戏 青青草国产亚洲精品久久 | 综合网啪啪| 九热久| 伊人久久大香线蕉av一区| 色玖玖导航| 91色久| 丁香亭亭久久| 五月成人天| 五月天婷婷激情| 久久婷婷六月综合综合| 亚州美女| 五月丁香激| 婷婷午夜精品久久久| 在线中文av| 开心五月天激情网| 婷婷日本色| 婷婷五月天奸女| 66精品国产成人| 色婷婷婷av| 婷婷狠狠久久| 91超碰在线播放| 99自拍视频在线观看| 青草视频在线播放| 色综合色婷婷色伊人| 狠狠狠狠狠操| 六月丁香五月婷婷| 六月婷久久| 77799热| 激情网五月婷婷| 激情综合色婷婷啪啪六月天| 婷婷99综合| 91人人澡人人爽人人看| 婷婷瑟瑟五月天| 亚洲乱码在线观看| 性爱激情小说AV五月丁香花| 欧美综合在线五月天色婷婷| 丁香午夜天| 久久久高清| 97人凄人人操人人爽| 3p日韩网站视频| 五月在线| 婷婷五月欧美| 丁香五月婷婷乱| 99精品国产在热久久婷婷| 香蕉AV福利精品导航| 婷婷基地成人五月天| 久久久九九九 99| 99精品热视频只有精品10| 深爱激情久久| 99热最新| 久久婷婷五月天蜜桃| 亚洲亚洲激情| 国产精品成人在线| 99色日本| 综合网视频| 婷婷中文字幕| 婷婷五月天在线看| 婷婷狠狠操| 最近中文字幕大全免费版在线| 婷婷五月AV| 五月激情婷婷六月| 色吊丝99| 激情综合色婷婷六月天| 依人大香蕉在钱1| 67194国产| 五月天天天天天天天天天天天天天天天婷婷婷| 中文在线视频久9| 激情五月丁香在线观看直播| 精品国产AV色一区二区深夜久久| 天天日天天插天天操| 性高潮久久久久久-九九九九九九九九九九热-成人AV | 99热这里都是精品| 色情丁香五月天| 亚洲成人免费电影| 高潮毛片遮挡费高一百度| 99在线视频精品| 激情人妻综合| www.婷婷五月| www.激情五月天.com| 婷色五月| 99久热这里有精品| 99在线精品免费视频| 久久婷婷五月天激情新地址| 九九99精品视频在线观看| 99九九在线精品热动漫| 五月丁香综合激情| 四色女婷婷| 五月天激情小说网| 激情九九这里只有精品| 丁香六月激情毛片| 五月天色婷婷综合| 婷婷五月色网| 光棍影院日韩精品| 欧美婷婷五月丁香| 色五月天网| 美女婷婷激情亚洲| 亚洲五月婷婷| 亚洲激情AV| 久久色情| 欧美日韩AAAA| 激情五月天色色| 久久丁香| 五月丁香婷婷激情澎湃四射| 超碰资源在线| 婷婷五月天激情网| 婷婷五月天小说网| 精品五月视频婷婷在线观看| 婷婷五月欧美综合| 97狠狠色| 婷婷五月中文字幕国产| 色娸娸综合网| 最新无毒无码AV| 深爱五月最新网址| 99天堂网| 日本熟女啪啪| 久久xxxx| 婷婷爱五月| 色九九综合| www.夜夜| 97碰久久| 婷婷婷婷婷婷婷五月丁香| 五月天婷婷丁香花| 欧美性生交xXxX久久久| 97在线精品| 亚洲激情无码久久| 99精品人人| 综合网色| 久久资源网五月婷| 亚洲亚洲永久无码777777| 97色婷婷在线观看| 午夜伊人大香蕉| 色综合大香蕉| 深爱开心激情| 日本九九热| 先锋资源婷婷| 香蕉久久五月| 久热99| 亚洲视频色婷婷| 丁香丁婷五月激情| 超碰97免费在线| 午夜成人片400| 伊人网啪啪| 天天天天天色| 天天五月丁香五月| 中文精品在| 爽tv | 九九99免费视频| 色婷婷香蕉丁丁网| 丁香五月另类小说在线阅读| 婷婷五月丁香av网站| 婷婷综合视频| 天天综合精品| 欧美激情综合色综合啪啪五月| 玖玖在线视频| 伦99热| 激情综合五| 丁香六月成人| 色婷婷激情小说网| 欧美色色色色色色色| 拍真实国产伦偷精品| 激情小说视频图片| 色色啊| 综合久久久婷| 99@久久@99精品视频| 久热 91| 狠狠色 综合色区| 在线天堂9| 国产一区二区三区影院| 色综合色五月| 激情丁香五月婷婷| 天天日天天做天天操| 色五月天堂| 婷婷丁香成人色综合| 色婷婷伊人| 激情开心五月亚洲| 五月在线婷色| 欧美熟女99| 婷婷综合婷婷| 香蕉久久国产AV一区二区| 欧美性爱五月天| 色丁香五月婷婷| 夜夜躁爽日日| 五月婷精品| 五月丁香综合影院| 六月婷婷九月丁香| 久久99激情| 一级性感毛片| 99性爱视频| 婷婷干六月综合旧址| 日本天堂免费99| 538在线精品| 噼里啪啦在线观看免费完整版视频| 色碰碰视频| 色五月婷婷综合| 色九亚洲| 婷婷五月天色色| 五月色综合| 九九视频在线观看| 久久婷婷综合五月| 99热全是精品| 欧美99热| 天天插天天草人人玩| 狠狠色综合网| 久久九九色| www,天天干| 人人操五月天| 亚洲色99综合天堂| 182TV亚洲| 91操操| 久久婷婷成人视频| 人人做天天爱| 99久久www| 色婷婷成人| 丁香六月激情| 丁香婷婷影院| 婷婷综合激情| 激情五月婷婷综合色播小说| 玖玖无码中文| 丁香五月玖玖| 伊九九三级区| 丁香五月天视频在线播放| 激情www| 生活片五区| 亚洲热热视频| 日本久久极品| 开心深爱五月天| 婷婷五月天综合蜜桃| 中文字幕色色色| 久久婷婷六月综合综合| 亚洲V国产V欧美V久久久久久| Av在线不卡一区| 色v综合网| 91免费在线视频6| 天天婷婷色六月| 99热婷婷| 婷婷激情五月天小说| 亚洲色婷婷| 色天天综合| 任你日视频| www.五月天| av成人在线播放| 天天干,天天舔| 停停五月天激情网| 高清一区二区三区日本久| 丁香五月婷婷高清| 男人综合网| 五月婷精品| 中文字幕无线久必| 蜜乳.comcom| www.久久爱.c n| 天天综合亚洲综合网天天αⅴ| 婷婷亚洲色| 日韩成人综合网| 影音先锋男人av资源站| 天天免费成年人视频| 亭亭玉月丁香| 欧美精品狠狠色丁香婷婷| 色九月婷婷综合| 综合网五月天123| 五月天婷婷久久| 伊人激情综合| 五月婷婷视频28| 久久久久久人妻| 婷婷五月综合网激情| 深爱激情AV| 久久九九爽| 激情性爱婷婷| 日本色色色| 亚洲无AV在线中文字幕| 日韩欧美一区二区三区四区| 99操视频| 五月丁香香蕉| 久久99精品久久只有精品| 国产精品人妻在线网址| 综合在线色婷婷| 偷拍丁香九月激情| 天天日婷婷| 五月丁香啪| 国产精品久久..4399| 狠狠操天天干| 91久久综合| 九九精品网| 99在线视频操999| 色婷婷六月激情| 欧美色色色色色| 色综合久久天天综合网| 婷婷欧美| 欧美色六月婷婷| 337p大胆噜噜噜噜噜91Av| 91久久久久久| 五月色综合| 深爱 五月天| 国产精品视频免费看| 日操夜撸| 在线成人视频免费| 日韩AV大全| 超碰操网| 极品少妇XXXX精品少妇偷拍| 白天AV月月| 丁香五月婷婷五月| 日韩久久这里只有精品| 日本在线观看aaa 99| 欧美色色色色色色色| 九九精品丁香花| 中文在线视频久1| 国产精品成av人在线视午夜片| 激情五月少妇| 日本三级毛片| 亚洲综合色色| 中文无码精品一区二区三区| 九九99九九精品视频| 五月天最新网| 五月天狠狠网站| 99久热| 五月丁香婷婷激情| www.99久久久久99| 97色色视频| 先锋资源996| 色婷婷狠狠18yy| 五月丁香六月婷婷久久肏| 九九这里是免费的视频5| 120分钟婬片免费看| 五月婷婷丁香成人网| 亚洲V国产V欧美V久久久久久| 亚洲色欲AAAAAA| 婷婷色六月| 久久色情| 久久色这里只有精品| 91人碰| 99九色视频在线观看| 婷婷五月色播| 五月丁香婷婷五月| 秋霞黄色一级久久| 97超碰欧美中文字幕| 精品久久99| 思思综合热| 综合网啪| 国产偷人爽久久久久久老妇APP| 26uuu国产激情视频| 欧美 日韩 成人| 丁香五月天电影| 五月丁香婷婷三级| 亚洲精品网站色视频| 日本久久色| 色色色干| 丁香五月婷婷基地| 欧美亚洲婷婷五月| 婷婷的激情五月| 婷婷丁香五月基地| 久久久天堂国产精品女人| 五月天综合| 婷婷久久国产视频| 91久久久久久| 玖玖婷婷精品| 国产精品24r| 深爱五月激情| 六月婷婷激情| 夜夜操激情| 欧洲激情网站| 丁香五月婷婷啪啪啪| 91婷婷视频| 夜夜谢天天干| 成人 视频免费观看网站| 甈吧vv| 欧洲激情网站| 久热欧美| 超碰色色综合| 久Se视频在线观看| 五月天大香蕉AV| 久久国产一区二区三区| 99亚洲视频| 伊人玖玖婷婷| 五月婷婷视频| 另类激情中文| 五月停视频天堂| 嫩草AV久久伊人妇女超级A| 五月丁香激情四射| 先锋资源91| 五月丁香操亭亭网| 综合五月丁香六月婷婷| 亚洲欧州色情在线观看| 婷婷六月色情| 丁香婷婷久久老熟女综合网| 精品九九视频| 9这里只有精品| 天天摸天天舔天天爽| 婷婷激情五月综合| 色五月婷婷 成人| 操久久网| 丁香婷婷综合精品六月初| 狠狠色综合网| 丁香婷婷五月天校园春色| 亚洲不卡| 伊人五月天综合网| 九九热10| 日韩av干| 丁香五月综合在线观看| 激情五月婷婷开心网| 色五月综合在线| 九九热99热| 丁香五月天AV| 超碰a女人的天堂| 婷婷色在线视频| 伊人婷婷色| 亚洲AV综合网| 婷婷五月天久久久| 韩国中文字幕91| 九九九干精品| 另类 在线| 啪啪激情综合| 狠狠操.com| 99久久国产宗和精品1上映| 99在线视频免费| 久久久激情| 亚洲va成人va成人va在线观看| 激情综合五月婷婷| 538在线精品| 欧美日韩一区二区三区四区| 国产九九一区二区三区| 人人爽人人射-美女久久久久久久久久-成人AV| 天天色五月| 色色五月婷婷丁香| 超碰色综合| 99爱在线免费视频| 伊人五月婷| www.无码com| 狠狠色综合网| 激情色视频| 婷婷成人AV| 婷婷六月天| 五月美女婷婷风骚| 黄色三级日本| 久草xx性爱视频| 第四色大香蕉| 欧美A级成人婬片免费看理论| 国产探花一片区| 五月天婷婷伊人| 热久久思思热思思| 五月婷婷五月色| 亚洲色网络| 岛国AAAV| 国产乱码久久| 五月天色五月| 久久久天堂国产精品女人| 激情超碰网| 91精品婷婷国产综合久久| 停停色综合伊人| 五月丁香六月在线| 成人精品一区日本无码网| 久艹伊| 色99视| 婷婷五月综合体验看| 激情综合五月| 五月婷婷狠狠干| 五月天婷婷丁香视频| 91免费看片| 五月婷三级片| 日本熟女视频一区二区| 色情五月天丁香社区| 黄桃AV无码免费一区二区三区| 97日本在线| 影音先锋激情网| 久热91精品| 97成人丁香| 99这里有精品久久97| 日韩色色视频| 婷婷五月天亚洲综合网| 好吊操这里只有精品| 精品人妻一区| 国产高潮白浆一区二区| 黄涩毛片| 日本欧美成人片AAAA| A1片久久久| 日日插日日干| 天天色2017| 婷婷九月激情| 五月天婷婷久久| 久久99综合网| 婷婷五月激情中文字幕| 丁香五月婷婷香| 伊人天天色| 婷婷丁香六月天| www.91.com黄| 婷婷午夜精品久久久| 丁香五月婷婷亚洲天堂| 丁香五月六月激情久久| 精品欧美性爱超级爽| 99热只有精品在线播放| 色色亚洲视频| 激情综合五月激情17| 91色色色18| 少妇人妻综合色6699| 色色色热| 五月天婷婷爱丁香中文字幕| 专区无日本视频高清8| 99热精品在线观看| 色综合色色色| 婷婷五月在线综合| 99精品网| 丁香五月大片| 牛牛热这里只有jingpin| 五月天开心婷婷久久| 五月天婷婷丁香| 亚洲日韩国产黑丝黑丝AVAV一区二区三区| 伊人久久婷婷| 五月天激情综合网站| 99无码| 色婷婷最爱五月| A片试看120分钟做受视频红杏| 丁香五月婷婷姐| 亚洲日韩乱码一区二区三区四区| 天天cha成人综合网| 五月婷婷爽爽爽| 日本性激情色播| 久久九九Com| 五月丁香免费看| 色综合香蕉视频| 色老久久| 天天日综合网射| 欧美性生交XXXXX无码小说| 人人干AV| 天堂爱啪啪| 婷婷99狠狠| 这里只有视频精品| 五月婷婷伊| 99在线免费观看| 五月天丁香综合| 色播综合| 激情小说视频图片| 99黄色性生活| 黄色国久久| 婷婷五月丁香综合激情| 五月婷精品| 国自产拍偷拍精品啪啪一区二区| 天天日日夜夜爽。| 伊人碰碰碰| 99国产精品白浆在线观看免费| 五月天激情子轮| 激情五月色婷婷| 91色久| 天天爽天天日天天舔| www.99热视频| 91操黄| 五月丁香色综合| 亚洲激情五月| 亚洲婷婷免费| 丁香六月色婷婷欧美| 超碰一区二区| 五月天激情图片| 天天天天色天天天天天干| 国产av影片| 久久精品99国产精品日本| 日韩AAAAAAAAAAA片| 五月丁香六月婷婷,婷| 婷婷激情综合色五月久久91| 综合色色网| 99视频久久| 99在线观看视频蜜臀| 精品九九网| 欧美搡BBBBB摔BBBBB| 六月撸婷婷| WWW.桔色成人.COM| 亚洲色涩视频| 丁香久久综合| 91色欲综合| 天天爽天天干| 91精品久久久久久| 色婷婷视频在线| 欧美色色色色色色色色色色影视| 色五月婷婷大香蕉| 日韩精品在线观看9| 亚洲成人免费电影| 婷婷五月色| 婷婷五月天久久| 日在线V视频在线播放| 午夜激情婷婷| 激情五月婷婷视频一区二区三区| 操操综合网婷婷| 五月激情综合网| 九九在线精品| 六月婷婷在线视频| 五月婷婷自拍视频| 婷婷五月丁香婷婷| 成年AAAA色情| 99在线er热| 五月丁香激情婷婷| 69久久99精品久久久久| 9视频1在线| 亚洲殴洲精品Av在线| 日本少妇裸体做爰高潮片| 成人婷婷| 欧美操逼天堂| 五月天婷综合| 五月天丁香婷婷社区| 九九激情| 9精品国产在热久久| 刘玥精品一区| 丁香五月婷婷总啪啪| 色狠狠色噜噜AV天堂五区| 五月婷婷五月天| 丁香五月色情| 精国产品一区二区三区A片| 99热最新| 国产美女无遮挡裸体毛片A片| 婷婷五月天av| 蜜桃五月天| 在线观看免费视频| 蜜乳av一级av| 9久热在线视频| 五月婷婷性爱网| 91传媒无码人妻精| 色噜久| 六月婷婷啪啪| 色情婷婷| 青青草蜜臀| 久久这里有精品99| 久久五月天激情| 91成人性爱视频| 日韩精品一品二区三区的使用体验| 五月婷婷导航| 99久久6| 亚洲乱码精品久久久久..| 亚洲妇女熟BBW| 狠狠干.com| 99re视频在线| 亚洲激情婷婷| 五月婷婷就去色| 99国产小视频| 激情久久久久久久久久| 亚洲高清在线| 亚洲最大成人综合网720P| 香蕉影院色| 玖玖99精品视频| 成人 在线 日韩| 婷婷丁香高潮了| 亚洲视频图片婷婷五月| 99久久综合网| 丁香五月婷婷免费视频| www.精品久9| 五月天综合网| 婷婷五月激情黄色| www99久久| 91免费在线视频6| 欧美性生交XXXXX无码小说| 91色噜噜狠狠狠狠色综合| 久久狠狠干| 7777国产盗摄农村女人| 久久新| 激情综合综合综合| 天天日综合| 五月丁香六月婷婷网| 欧美色片中文字幕久久久久| 99日逼视频| 色五月aV| 91色色色| WWW久久99久久99久久| 成人视频一区| 五月天激情无码| 色99网站| 五月天婷婷色情| 婷婷色五月天第7色| 九九热在线精品| 中字幕视频在线永久在线观看免费| av在线观看网址| 亚洲天堂AV免费片| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 成人av免费观看| www.精品久9| 热热久久久久久久久| 99久在线精品| 激情五月天第四色| 99热大片| 激情综合五| 亚洲熟女乱色综合亚洲网站| 99精品在线下载| 99色色网| 原琪琪色影院| 中文字幕 中文字幕明步| 久久AV无码精品人妻系列试探| 91青娱乐青青草| 免费视频这里只有精品| 2018国产大陆天天弄| 天天久久狠狠色综合| 久久99激情丁香婷婷小说网| 中文字幕精品无码一区二区| 99,色| 色婷另类| 久久天堂加勒比| 丁香婷婷视频一区二区| 久久99网站| 色色色综合色| 色情婷婷久久五月天| 亚洲 在线 性爱 | 五月丁香婷婷色| 五月天综合网| 亚洲激情av| 久久婷婷五月综合色奶水99啪| 曰日爽日日操| 狠狠色综合图片| 丁香婷婷六月激情综合| 国色天香成人网| 梁铮版蜘蛛女在线观看| 国产色色视频| 色久婷婷五月| 97干在线视频| 国产永久一二一起草| 天天影院色| 欧美欧盟性爱网| 婷婷五月六月| 激情综合播播| 色色99| 黄涩毛片| 五月丁香久久激情综合| 午夜激情五月天| 91色色色视频| 五月天伊人网| 肏屄色播伊人97婷婷| 成人电影AV在线观看| 激情图片婷婷| 亚洲综合色婷婷| 99久久综合| 狠狠操狠狠插| 亚洲人妻一区二区| 久久99网| 久婷久婷| 99热福利| 亚洲V国产V欧美V久久久久久| 白天AV月月| 五月婷婷丁香日韩在线| 婷婷五月天激情在线| 丁香花成人区| 久热91| 欧洲精品欧洲情| 久99婷婷色综合| 激情六月天婷婷| 99riAv1国产在线观看| 五月天激情电影| 五月丁香婷婷AV天堂| 99热在线极品极品| 天堂综合久| 久久五月婷婷电影| 欧美日韩成卜| 激情丁香五月| 黄色大片又大粗又爽| 狠狠做六月爱婷婷综合aⅴ| 亚洲视频一区| 99热只有这里有精品| 国产精品成人在线| 国产性av| 色情五月婷| 月婷婷亚洲| 一级黄色操B| 日韩无码色色| 婷婷五月天干干| 香蕉综合在线| 热99色| 婷婷五月激情网| 五月天婷婷色小说| 天堂爱啪啪| 亚洲亚洲人成综合网络| 日本色视| 婷婷五六日| www.婷婷,com| 成人网在线观看视频| 操逼六区| 思思热在线视频99| 91九色首页| 婷婷五月综合丁香久久| 五月天婷婷在线观看| 久热A| 综合天天综合| 人人叉久| 野战J办公桌椅H| 激情五月综合网最新| 婷婷五月天亚洲图片| 激情四射网| 五月婷婷久久爱| 五月色丁香| 激情五月综合| 五月天成人在线| 久久精彩免费视频精彩免费视频| 久久精99| 五月丁香网站| 三级三久久线久久99久目本WW| 婷婷五月天免费视频在线观看| 丁香蜜臀黄色婷婷五月天| 99热欧美精品| 色噜噜狠狠狠狠色综合久欧美| 婷婷五月天亚洲| 色五婷婷开心缴| 天天色五月| 99视频色在线观看| 五月婷婷啪啪网| 久久九九婷婷| 日韩欧美成人网| av国产精品| 丁香五月成人网| 99操久久| 极品人妻VideOssS人妻| 狠狠色综合五月| 天天粽合合合合| 国产婷婷色五月| 色99热| 久久一级片| 亚洲AV电影美洲AV电影| 婷婷中文字幕网站| 大地资源色婷婷视频在线| 九九99精品视频在线观看| 久久婷婷五月天激情四射| 婷婷香五月天| 色XX综合网| 无码色色| 狠狠操狠狠干综合| www.色擼擼.com| 丁香六月视频免费观看| 五月综合六月丁| 另类小说五月天综合| 激情五月伊人婷婷| 99久久66| 国产在线6| 另类色网| 99色色网站| 婷婷六月色丁香视频在线观看| 97色色色色色色色| 熟女激情网| 丁香六月狠狠| 久久99激情| 天天操天天操| 精品皮股午夜AV| 激情五月色综合| 五月婷婷在线综合| 五月天桃色深爱网| 久久视频婷婷| 六月婷婷激情| 五月婷婷丁香| 极品少妇XXXX精品少妇偷拍| 伊人在线视频| 日韩不卡123| 97操男人的天堂| 99操免费视频| 久9热| 婷婷色五月天第7色| 亚洲AAA| 色五月综合激情| 色五月成人| 日本三级日本三级99| 色无码| 9久久狠狠的| 91干99| 热五月婷婷| 26uuu视频欧美| 欧美性丁香色色五月天| 五月天婷婷丁香六月| 99性色| 婷婷婷婷婷婷婷五月丁香| 色婷婷影视| 琪琪色网址| 99手机在线精品视频| 色情五月天视频网| 亚洲色小说在线综合| 婷婷五月视屏| 欧美日韩999| 男同91 | 欧美婷婷日本| 婷婷色播六月无码| 婷婷激情五月综合| 99热在线精品观看| 激情综合色婷婷啪啪五月天| 久色88| 婷婷五月激情六月丁香| 99re最新地址| 丁香色色网| 丁香五月婷中字在线| 噜噜色五月| 色婷婷五月基地在线| 深爱激情丁香五月| 狠狠综合| 91色五月| 午夜伊人大香蕉| 欧美 日韩 成人 在线| 日韩99色| 久久久久人妻| 国产乱子轮XXX农村| 婷婷狠狠狠爱| 久久杏爱视频| 射区导航| 免费视频在线观看的网站| 九月婷婷激情| 婷婷六月网| 五月天久久综合| 激情五月黄色| 99自拍视频在线观看| 这里只有精品免费观看网占| 天天插天天爱| 无码一级片| 好好日激情五月天| 五月天综合网| 99热午夜精品| 欧美va精品va老师va| 79色色色色| 少妇高潮呻吟A片免费看软件| 亚洲啪啪网| 天天日,夜夜爽| 99这里只有精品视频| 婷婷伊人綜合中文| 激情综合网激情五月网| 久九色| 色婷婷影视99| RenRenSe在线视频网站| 国产在这里只有精品| 97亚洲精品| 狠狠999| 深爱激情五月婷婷| 91久久九久久九久久九久久九久久| 亚洲人人操BD| 9久久精品| 激情五月天色色| 激情九色| 99视频啪啪| 欧美Va在线| 白人荫道BBWBBB大荫道| 亚洲AV人人操| 欧美天堂久久| 丁香五月婷婷婷桃花影院| 激情小说之五月| 51精品国自产在线| 欧美性二区| 九九香蕉网| 97婷婷狠狠| 色色色com| 大香蕉人人网| 夜夜夜夜撸夜夜操| 丁香五月综合网| 五月婷婷插一插| 亚洲国产精品VA在线看黑人| 六月丁香婷婷色狠狠久久| 久久网日本| 激情国产五月| 亚洲性色XXXXX| 亚洲综合网在线| se色99| 白人荫道BBWBBB大荫道| 77799热| 中文AV网| 丁香五月在线伊人| 99色| 亚洲激情五月婷婷日日| 99国产精品久久久久久久久久久 | 激情人妻综合| 狠狠久久婷五月| 99人妻碰碰碰久久久久禁片| 国产日韩av片| 在线成人网站| 影音先锋色婷婷| 亚洲人妻av| 久久五月视频| 色婷婷丁香五月| 婷丁香五月天| 玖玖婷婷色欲| 操射国产日本| 9999综合99综合人| 激情丁香五月| 久久久精品AV| 91色久| 人人添人人| 日本色色影片| www天天色天天射| 丁香婷婷九月| 99色在线视频| 综合色五月天| 日韩成人影片在线观看| 日日夜夜天天综合| 日本在线视频播放91| 色婷婷小说网| 丁香六月视频| 精品视频网| 9热精品| 免费黄色片子| 日韩国产在线精品| 人人视频人人干人人做| 六月丁香色色| 另类小说五月天| 五月天六月婷婷电影| 99热第一页| 五月丁香久久| av人人操| 蜜桃婷婷狠狠久久| 婷婷久久综合| 五月天国产婷婷精品视频在线| 国产免费av在线| 五月丁香大香蕉| 婷婷五月成人系列| 91人操| 亚洲精品无码99热| 手机旧版看人妻1025| 婷婷五月激情四月综合 | 色五月综合资源推荐| 开心五月婷婷激情| 五月天丁香婷婷网| 久久久91| 丁香五月综合在线播放| 亚洲小电影在线观看黄999| 丁香婷婷综合激情五月色| 常久最新免费的色吊丝| 婷婷五月AV| 免费无码毛片一区二区A片| 天天综合久久| 99热最新网址| 91成人电影| 日本44久久在线| 亚洲六月色| 丁香六月婷婷综合在线| 国产99美少妇| 六月丁香婷婷色狠狠久久| 97天堂| 久久婷狠狠色| 丁香六月婷婷姐网| 欧美超碰亚洲| 国产精品18久久久| 久热 91| 色五月婷婷激情| 激情综合5月| 麻豆雪千夏| 丁香五月停停av| 五月激情小说| 亚洲黄色精品| 激情欧美五月丁香| 99热久久这里只有精品| 欧美在线操| 丁香五月婷婷综合91| 亚洲AV综合在线观看| 伊人久久五月天| 色婷婷99| 91精品婷婷国产综合| 婷婷不卡基地| 激情五月综合| 色色色色色综合| 色99日韩| 亚美欧色影院| 激情五月视频| 欧洲激情五月天| 天天爱天天日| 1024婷婷综合久久五月天| 99热在线网站| 九九九激情网| 97色在线| 婷婷中文字幕| 在线另类| 99久久久久久www| 免费在线观看欧美激情xx小视频| 不卡影院午夜理论片| 婷婷色五月久久| 狠狠色噜噜狠狠色噜噜噜999| 特黄三级片| 99热大香蕉| 99超级碰碰| 91久久五月天| 国产操B视频| 影院久久久| 国产精品电| 日本婷婷激情四射中文字幕在线观看| 国产精品久久久久久久久久免费 | 久久在线大香蕉| 97成人在线视频精品| 色婷婷人人| 一级七香蕉| 99久久五月丁香野外| 大香蕉人人网| 色婷婷色综合| 九月av在线| 99热在线看片| 亚洲无码黄色| 色色色婷| 综合久久婷婷| 天天草人人摸| 【乱子伦】黄色| 天天干夜夜b| 五月丁香狠狠| 秋霞三及片| 99re6久热只有精品6在线直播| 日日操夜夜爽| 久久资源网五月婷| 综合色色婷婷| 五月香婷婷| 色五天综合| 无码 av电影| 久久九网| 婷婷激情五月视频| 97久久人人操| 婷婷成人网五月天| 日批在线看| 五月天.com| 欧美久久婷婷| 99热精品在这里| 一本大道熟女人妻中文字幕在线| 色五月色综合| 午夜]香婷婷深深爱| 色色色色色五月| 丁香五月成人| 成人婷婷五月| 天天天天色天天天天天干| 五月婷激情影院| 久久精彩免费视频| 亚洲狠狠丁香婷婷香蕉| 奇米四色五月天| 在线视频你懂得| www。五月天。com| 无套内射极品大美女| 99这里有精品视频| 婷婷丁香六月| 五月丁香六月婷| 日韩AV中文在线观看| 草榴视频网| 开心婷婷五月天综合| 五月天婷婷高清无码| 性爱网五月天| 亚洲精品又粗又大又爽A片| 影音先锋一区二区资源站 | 久久香蕉婷婷五月天| 久热这里只有精品6| 五月婷婷激情性爱| 色狠狠色噜噜AV天堂五区 | 99re思思热久久| 久久婷青青草原| 色五月婷婷久久| 天天干天天爽天天操| 一级精品999WWW| 久久97久久99久久综合欧美| 操97免费超级视频| 日韩在线视频网站| 五月婷婷丁香啪啪| 五月婷婷 激情五月| 色吧五月婷婷| 色欲色香综合网站| 亚洲激情网| 99热在这里只有精品| 五月丁香啪啪网| 国产成人AV在线播放| 久热这里只有精品在线观看 | 色婷婷五月天综合网| 人人操AV| 91成人看| 综合网激情五月天| 天天操天天插| 99国产99| 日韩 欧美 国产 一区 二区| 亚洲美女网Va| www.色五月| 激情五月天婷婷直播| 五月色丁香| 香蕉视频性爱BB做爱| 天天做天天爱天天爽夜夜揉| 六月丁丁香| 热热色色五月天婷婷| 五月天开心激情网色欲无码| 深爱激情综合网| 999热在线观看视频| 天天日狠狠| 色五月天婷婷| 欧美VA视频| 婷婷五月天成人网站| 黄桃AV无码免费一区二区三区| 噜噜色天天开心| av在线免费网站 | 狠狠搞亚洲| 亚洲国产精品五月天| 综合五月天| 欧美成人AAA片一区国产精品| 激情五月天色网站| 综合伊人久久| 久久婷婷资源| 五月天最新网| 狠狠一日| 三十路磁力链接| 精品一区二区三区免费毛片爱| www.激情五月天。com| 婷丁香五月天| 激情九色| 大婷婷色呦呦噜噜色呦呦噜噜| 久久婷婷艹| 天天天天天天天干| av狠狠操| 五月婷婷新网站| 五月天婷婷无码| site:901-07.com| 综合五月婷婷| 伊人激情啪啪| 97操碰| 好好干Av| 操操自拍| 色综合久久88色综合天天99| 99色在线视频| 99热免费网站|