code/02_advanced_samples/multi_input/src

不好意思，我刚看了，是3输入，那我不理解转到ncwc为什么是这样操作

我现在有一个模型，是单输入的，输入形状1x3x512x896, 输出数量是2，形状为 1x3x512x896 ， 1x8x512x896 那我怎么进行前处理和后处理呢

这个是模型输入要求的呀，通过opencv读取的图像是NHWC，而模型的输入要求事NCHW，所以前处理过程必须要转换的。

前处理：

1. 先通过hrt_model_info model_info --model_file看一下模型的输入是什么图像格式的？{ typedef enum {HB_DNN_IMG_TYPE_Y,HB_DNN_IMG_TYPE_NV12,HB_DNN_IMG_TYPE_NV12_SEPARATE,HB_DNN_IMG_TYPE_YUV444,HB_DNN_IMG_TYPE_RGB,HB_DNN_IMG_TYPE_BGR, ……}

2. 根据要求的格式，参照/open_explorer/ddk/samples/ai_toolchain/horizon_runtime_sample/code/00_quick_start/src/run_mobileNetV1_224x224.cc中的 read_image_2_tensor_as_nv12 函数对图像进行预处理。需要注意的是：opencv读取的原始图像格式为 (高度, 宽度, 通道数) 格式的BGR顺序的数据，如果和模型不匹配，需要修改。

输出：

模型的输出与模型的业务有关系，这个需要根据业务进行数据解析。

不过下面两点需要注意：

1. 推理结束后的output需要使用hbSysFlushMem对内存cache进行刷新以读取最新推理结果。

2. 如过模型编译过程移除了反量化节点，在进行业务解析时需要对数据进行反量化处理。反量化参考代码可以参考/open_explorer/ddk/samples/ai_toolchain/horizon_runtime_sample/code/00_quick_start/src/run_mobileNetV1_224x224.cc文件get_topk_result中的反量化逻辑

或/open_explorer/ddk/samples/ai_toolchain/horizon_runtime_sample/code/01_api_tutorial/tensor/src/tensor_example.cc中的 dequantize_process_core

双目和单目的在输入数据准备上是一致的，在工具链版本的示例中也包含了双目算法的示例,C++代码涵盖了从输入图片处理到推理后后处理的流程，请参考：/open_explorer/ddk/samples/ai_benchmark/j5/qat/script/disparity_pred/stereonetplus_mixvargenet_sceneflow

多输入模型的配置信息参考/open_explorer/ddk/samples/ai_toolchain/horizon_model_convert_sample/05_miscellaneous/04_multi_input_example这个例子吧，针对双双目，因为两个图像的处理流程是一样的，只是处理的来源和存储位置有差别，参考ptyhon脚本/open_explorer/ddk/samples/ai_toolchain/horizon_model_convert_sample/05_miscellaneous/04_multi_input_example/mapper/data_preprocess.py的处理逻辑修改一下就OK了