# analyze

Python API: `modelconverter.platforms.rvc4.analyze`

已转换 RVC4 (DLC) 模型的层级分析。

在连接的 RVC4 设备上使用 `snpe-net-run` 运行已转换的模型，将每一层的输出与 DLC 转换自的 ONNX 模型进行比较，并测量每一层在设备上花费的时间。这两个报告都以 CSV 文件的形式写入 modelconverter 输出目录的
`analysis` 子目录中。

## 类

### RVC4Analyzer

在连接的 RVC4 设备上运行的 DLC 模型分析器。

将模型的层输出与其转换自的 ONNX 模型进行比较，并测量每一层的执行时间。

#### 方法

##### init

```python
def __init__(device_ip: str | None, device_id: str | None, dlc_model_path: str, image_dirs: dict[str, str], image_subset: int | None = None):
```

初始化分析器并连接到设备。

参数

 * `device_ip` (`str | None`): 要分析的设备的 IP 地址。
 * `device_id` (`str | None`): 要分析的设备的 ID。
 * `dlc_model_path` (`str`): 要分析的 DLC 模型的路径或 URL。
 * `image_dirs` (`dict[str, str]`): 模型输入名称到保存该输入数据的目录的映射。
 * `image_subset` (`int | None`): 如果给定，则只使用每个目录中前 `image_subset` 个支持的文件。

##### analyze_layer_cycles

```python
def analyze_layer_cycles(self):
```

测量每一层在设备上花费的时间。

在设备上运行 DLC 模型，并将 SNPE 诊断日志转换为分析输出目录中的 `layer_cycles.csv`，其中包含每一层的平均执行时间及其占总时间的份额。

##### analyze_layer_outputs

```python
def analyze_layer_outputs(onnx_model_path: Path):
```

将 DLC 层输出与 ONNX 模型进行比较。

在每个准备好的输入样本上运行这两个模型，并将每层统计数据（最大绝对差、MSE、余弦相似度、平均绝对百分比误差，每个都对样本取平均值）写入分析输出目录中的 `layer_comparison.csv`。

参数

 * `onnx_model_path` (`Path`): 分析的 DLC 模型转换自的 ONNX 模型的路径。
