# exporter

Python API: `modelconverter.platforms.rvc3.exporter`

将模型导出到 RVC3 平台。

该流水线是 RVC2 流水线——`mo` 生成 OpenVINO IR，`compile_tool` 将其编译成 blob——在编译之前插入 OpenVINO POT 进行 INT8 训练后量化。它在 RVC3 Docker 镜像中运行。

## 类

### RVC3Exporter

默认情况下，导出器生成 INT8 量化的 RVC3 blob。

重用
[RVC2Exporter](/software-v3/ai-inference/conversion/rvc-conversion/offline/modelconverter/modelconverter-api-reference/platforms/rvc2/exporter.md)
的 OpenVINO 转换，但编译用于 `VPUX.3400` 设备，并且除非禁用校准，否则在编译之前使用 POT 对 IR 进行量化。

#### 方法

##### init

```python
def __init__(config: SingleStageConfig, output_dir: Path):
```

从 RVC3 配置初始化导出器。

参数

 * `config` (`SingleStageConfig`): 要导出的阶段的配置。其 `rvc3` 部分提供 RVC3 特定的选项。
 * `output_dir` (`Path`): 编译模型和构建信息写入的目录。

##### export

```python
def export(self) -> Path:
```

转换模型并将其编译为 RVC3。

TFLite 输入首先转换为 ONNX，ONNX 输入转换为 OpenVINO IR，IR 输入按原样使用。除非禁用校准，否则 IR 将量化为 INT8，并编译量化模型；在这种情况下，对于具有多个输入的模型，该过程将因错误而退出，因为量化尚不支持。

返回

 * `Path`: 编译后的 `.blob` 的路径。

引发

 * `NotImplementedError`: 如果输入文件类型既不是 TFLite、ONNX 也不是 OpenVINO IR。
