此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 概述
  • 转换为 DLC
  • 量化(可选)
  • 图准备
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

使用 SNPE (RVC4) 进行手动转换

最后更新
RVC4 转换基于 Qualcomm 神经网络处理 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

这等同于从 luxonis/modelconverter-rvc4:latest 镜像启动一个新的 Docker 容器, 并将其作为交互式终端会话 (-it) 运行,同时使用 --rm 标志以确保容器在会话退出后自动删除:
Command Line
1docker run --rm -it \
2    -v $(pwd)/shared_with_container:/app/shared_with_container/ \
3    luxonis/modelconverter-rvc4:latest
在以下部分中,我们将逐步解释转换过程。

转换为 DLC

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:
  • ONNX
  • TensorFlow Lite
如果从 ONNX 转换,运行:
Command Line
1snpe-onnx-to-dlc --input_network <.onnx 模型路径>
如果从 TFLite 转换,运行:
Command Line
1snpe-tflite-to-dlc --input_network <.tflite 模型路径>
请注意,不需要事先进行模型简化,因为 SNPE 会自动处理。

量化(可选)

其次,将转换后的模型量化为 UINT8 精度。此步骤是可选的,如果不需要量化,则可以跳过。
Command Line
1snpe-dlc-quant --input_dlc <.dlc 模型路径>

图准备

第三,模型准备好在 DSP/HTP 加速器上运行。
Command Line
1snpe-dlc-graph-prepare --input_dlc <(未)量化的 .dlc 模型路径> --htp_socs sm8550