# exporter

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

将模型导出到 RVC4 平台。

驱动 RVC4 Docker 镜像中附带的 Qualcomm SNPE 工具链：`snpe-onnx-to-dlc`（或 `snpe-tflite-to-dlc`）生成 DLC 模型，`snpe-dlc-quant`
根据校准数据对其进行量化，`snpe-dlc-graph-prepare` 为目标 HTP SoC 构建离线图。除非量化模式为 `CUSTOM`，否则使用的 SNPE 参数取决于配置的量化模式。

## 类

### RVC4Exporter

为 RVC4 平台生成 DLC 模型的导出器。

#### 方法

##### init

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

初始化导出器并预处理输入模型。

SNPE 参数和量化选项取自配置的 `rvc4` 部分。除非量化模式为 `CUSTOM`，否则用户提供的 SNPE 参数将被丢弃，转而使用该模式隐含的参数。ONNX 输入模型会将其配置的归一化附加到其输入，并且除非禁用所有 ONNX 优化，否则会由
[ONNXModifier](/software-v3/ai-inference/conversion/rvc-conversion/offline/modelconverter/modelconverter-api-reference/utils/onnx_tools.md)
重写——只有当重写模型的输出仍与原始模型匹配时，才会保留重写模型。

参数

 * `config` (`SingleStageConfig`): 要导出的阶段的配置。
 * `output_dir` (`Path`): 导出模型写入的目录。

##### export

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

转换、量化和图准备模型。

输入模型被转换为 DLC，除非禁用校准，否则进行量化，并为配置的 HTP SoC 以配置的优化级别进行准备。生成的模型的 `info.csv` 转储将写入其旁边。

返回

 * `Path`: 导出 DLC 模型的路径。

##### exporter_buildinfo

```python
def exporter_buildinfo(self) -> Params:
```

收集 RVC4 特定的构建信息。

返回

 * `Params`: 字典，包含导出模型所用的 SNPE 工具的版本以及为其准备的 HTP SoC。
