AI-深度学习

海思NPU模型转换 A 附录A文档检索表

展开合集目录
  1. 海思NPU模型转换 01 平台工具与文档地图
  2. 海思NPU模型转换 02 搭建转换环境
  3. 海思NPU模型转换 03 拿到模型后的检查
  4. 海思NPU模型转换 04 导出和整理ONNX
  5. 海思NPU模型转换 05 预处理与AIPP
  6. 海思NPU模型转换 06 校准数据与量化
  7. 海思NPU模型转换 07 执行ATC转换
  8. 海思NPU模型转换 08 输出与后处理约定
  9. 海思NPU模型转换 09 PC仿真与精度比对
  10. 海思NPU模型转换 10 板端最小推理闭环
  11. 海思NPU模型转换 11 转换失败与性能排查
  12. 海思NPU模型转换 12 项目案例与交付清单
  13. 海思NPU模型转换 A 附录A文档检索表
  14. 海思NPU模型转换 B 附录BATC与AIPP参数表
  15. 海思NPU模型转换 C 附录C错误现象与排查表
  16. 海思NPU模型转换 D 附录D项目目录及交付模板
海思NPU模型转换 A 附录A文档检索表的封面

系列编排日期为 2026 年 8 月;技术基线核对与教学代码 CPU 验证日期为 2026-10-12。适用 Hi3516CV610 与本系列注明的 SDK/工具版本,实测范围见第 12 章。

返回系列目录 · 本篇属于 12 章与 4 份附录。

这份索引用于从具体问题快速回到厂商文档。文档均来自本项目 SDK 的中文 pc/SVP_NPU 目录,查阅时先确认版本,优先搜索参数名和章节标题。

文档所在位置

Hi3516C V610R001C01SPC020/
  ReleaseDoc/zh/01.software/pc/SVP_NPU/

本博客不重新分发 SDK PDF。拥有相应 SDK 的读者可在上述路径打开文件;其他版本中同一参数的默认值、约束和页码可能不同。

基础流程检索

现在要解决的问题 文档与入口 阅读后应确认
不知道工具如何配合 快速上手指南,第 1~3 章 手动流程、模型和运行环境关系
希望用官方自动流程 快速上手指南,第 4 章 自动流程前提与输入配置
安装工具和配置环境 驱动和开发环境安装指南 主机要求、安装步骤、环境变量
第一次运行 ATC ATC工具使用指南,2.1~2.3 准备条件、示例、产物类型
判断转换是否正确 快速上手指南,第 5 章 精度和性能分别如何验证
定位误差阶段 快速上手指南,5.1.1、5.1.2 误差来源与相邻阶段比对
MindCmd 一键精度比对 快速上手指南,5.1.3 使用对应工具版本与配置
精度调优 快速上手指南,5.1.4 输入一致后再调整精度

ATC 参数与算子检索

问题 ATC 手册位置 建议搜索词
工具版本 3.2.1.2 --version
模型与框架 3.2.2 --model、--framework
输出位置与报告 3.2.3 --output、--check_report
AIPP 规格和顺序 3.2.4.1.1 Hi3516CV610、AIPP
模型通道 3.2.4.1.2.4 model_format
均值缩放 3.2.4.1.2.6 mean_chn、var_reci
裁剪缩放填边 3.2.4.1.2.9~3.2.4.1.2.11 crop、resize、padding
静态与动态配置 3.2.4.1.3、3.2.4.1.4 static、dynamic
外部输入类型 3.2.4.11 --input_type
输出类型 3.2.5.1 --output_type
指定输出节点 3.2.5.2 --out_nodes
输出重排 3.2.5.7 --output_reorder
层级量化参数 3.2.6.1 --gfpq_param_file
校准文件格式 3.2.6.2 --image_list
激活权重位宽 3.2.6.3 --compile_mode
权重按通道量化 3.2.6.4 --weight_quant_per_channel
量化算法 3.2.6.5 --quant_mode
高精度相关选项 3.2.6.6~3.2.6.8 high_precision_layer、output_quantized
目标芯片 3.2.9.1 --soc_version
仿真模型产物 3.3.3.1 --save_original_model
shape 诊断 3.3.3.2 --dump_mode
后处理固化 第 4 章 对应模型族、YOLOv8
ONNX 引擎支持 5.2.1 算子名、opset、属性
ONNX CPU 规格 5.2.2 算子名、输入类型和限制
性能调整 第 6 章 对应网络结构和优化问题

若小节中列出多个芯片,必须读到目标芯片的限制行。参数出现在目录中,只证明本工具文档介绍它,不等于所有型号支持所有取值。

运行时检索

《应用开发指南》第 3 章描述系统概念,第 4 章介绍推理流程。查 3.3 理解进程、线程、Device、Context、Stream,查 3.4 理解内存,查 3.6 和 3.7 理解日志与 proc 信息。第 4 章按 Runtime、加载、执行、释放查阅。

出现输入数量比 ONNX 多的问题,搜索 task_buf 和 work_buf;读出的数据长度不对,搜索 stride、数据类型大小及模型描述;异步和多线程问题,先回到 Context、Stream 和同步要求。不能只从 API 名称猜生命周期。

MindCmd AMCT 与扩展开发

MindCmd 手册先读第 2 章环境和配置、第 3 章样例,再进入第 4 章一键推理与第 6 章原框架推理;ONNX 对应 6.3。采用样例时保留配置副本和工具日志。

AMCT 分 PyTorch 与 Caffe 两本,按实际框架选择,记录与 ATC 的配套版本。ATC Graph 开发指南和自定义算子开发指南用于更深入扩展,不应替代普通模型的算子支持核对。跨芯片复用时,增加阅读图像分析引擎使用差异说明。

维护检索表的方法

升级 SDK 后重新核对目录、文档修订版本、参数默认值、芯片限制和产物说明。原文节号改变时,应同时更新正文与本表。将 PDF 文件哈希记录在维护基线中,可以避免文件名相同却版本不同的情况。

上一篇 项目案例与交付清单 · 系列目录 · 下一篇 附录BATC与AIPP参数表