使用SNPE（RVC4）进行手动转换

RVC4转换基于高通神经处理SDK……SNPE工具。我们提供了一个包含所有必要工具的Docker镜像。安装ModelConverter并运行：

Command Line

1modelconverter shell rvc4

概述

这与从 luxonis/modelconverter-rvc4:latest 镜像启动一个新的Docker容器并以交互式终端会话（-it）运行，并使用 --rm 标志确保退出会话后自动移除容器是一样的：

Command Line

1docker run --rm -it \
2    -v $(pwd)/shared_with_container:/app/shared_with_container/ \
3    luxonis/modelconverter-rvc4:latest

在接下来的部分中，我们将逐步解释转换过程。

在为RVC4选择特定的SNPE构建之前，请查看转换故障排除中的SNPE兼容性表，以确保它与您计划部署的DepthAI和Luxonis OS版本匹配。

首先，将模型转换为深度学习容器（DLC）格式。支持以下源模型格式：

如果从 ONNX 转换，请运行：

Command Line

1snpe-onnx-to-dlc --input_network <指向 .onnx 模型的路径>

如果从 TFLite 转换，请运行：

Command Line

1snpe-tflite-to-dlc --input_network <指向 .tflite 模型的路径>

请注意，无需事先简化模型，因为SNPE会自动处理。

请查阅 snpe-onnx-to-dlc --help 或 snpe-tflite-to-dlc --help 获取完整的转换选项列表，或访问官方文档。

第二步，转换后的模型被量化为UINT8精度。此步骤是可选的，如果不需要量化，可以跳过。

Command Line

1snpe-dlc-quant --input_dlc <指向 .dlc 模型的路径>

请查阅 snpe-dlc-quant --help 获取完整的量化选项列表，或访问官方文档。

第三步，模型准备在DSP/HTP加速器上运行。

Command Line

1snpe-dlc-graph-prepare --input_dlc <指向（未）量化 .dlc 模型的路径> --htp_socs sm8550