SCRFD model dynamic inference failed.

[zengjie617789]

原版的scrfd转换ncnn模型成功运行，但是只能输入640*640固定尺寸；
参考作者的scrfd example，发现支持动态尺寸输入，并且做了优化，因此参考文章，但是在修改过程中，发现没有interp resize等节点；而是
Interp interpolate_3 1 1 94 96 0=1 3=40 4=40 6=0
按照相应方法，进行修改，发现转换成功却无法推理。
任何帮助都将不胜感激！

[dosubot]

ncnn支持动态输入尺寸，但需要模型结构和参数正确配置。Interp节点用于resize操作，参数如 Interp interpolate_3 1 1 94 96 0=1 3=40 4=40 6=0 表示最近邻插值，输出尺寸为40x40，dynamic_target_size=0 时为固定尺寸，若要支持动态尺寸，需设置 dynamic_target_size=1 并传入参考尺寸或使用 size_expr 表达式实现动态计算，详见 Interp文档。

SCRFD官方example是通过预处理阶段（如from_pixels_resize和copy_make_border）实现输入动态resize，模型本身通常只接受固定尺寸输入，动态输入需在模型转换时用pnnx指定多组inputshape，并确保模型结构支持动态shape。建议使用最新版pnnx并参考 转换命令。

如果推理失败，建议检查报错信息和param文件Interp节点参数，确认是否已正确设置动态尺寸相关参数。如果需要进一步定位问题，可以补充具体报错或param片段。

To reply, just mention @dosu.

---

^{How did I do? Good | Irrelevant | Incorrect | Verbose | Hallucination | Report 🐛 | Other}   

[zengjie617789]

@dosu 如何将scrfd的ncnn模型修改为动态尺寸输入。

[dosubot]

要让 SCRFD 的 ncnn 模型支持动态尺寸输入，关键在于模型转换和 param 文件的配置：

1. 模型转换：推荐用最新版 pnnx 工具进行 PyTorch 或 ONNX 到 ncnn 的转换。pnnx 支持动态 shape，可以自动识别和处理输入的动态维度。

2. Interp 节点配置：在 ncnn 的 param 文件中，Interp（插值/resize）节点默认是固定输出尺寸（如 3=40 4=40），要改为支持动态尺寸，可以设置 scale（如 1=scale_h 2=scale_w），或者 dynamic_target_size=1，让输出尺寸由另一个输入 blob 决定。详细参数见 Interp operator 文档。

3. Reshape/表达式：如果模型内部有 reshape 操作，ncnn 支持用表达式（如 6="0w,0h,-1"）动态计算 shape，pnnx 转换时会自动处理 表达式用法。

4. 预处理代码：SCRFD 官方例子是输入图片先 resize 到固定 640，再 pad 到 32 的倍数。如果要支持动态输入，预处理阶段也要根据实际输入尺寸调整，不要强制 resize 到 640。

5. 没有硬编码限制：ncnn 框架和 SCRFD 模型本身没有硬性限制，主要是转换和 param 配置要正确，预处理代码也要配合动态输入。

参考：FAQ 动态 shape、Interp operator、pnnx 转换指南。

如需具体 param 修改示例或 pnnx 命令，可补充你的模型结构或转换流程。

To reply, just mention @dosu.

---

^{How did I do? Good | Irrelevant | Incorrect | Verbose | Hallucination | Report 🐛 | Other}