此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • RVC4Analyzer
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包
最后更新
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
1def __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
1def 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
1def 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。