J3转换的original_float_model.onnx与pc上原始的onnx模型输出不一致

同一份数据，如果两个模型要求的数据他们预处理方式要求是不一样的，那么你拿一份数据肯定推理结果不一样的

我输入是featuremap，读取的都是用一个npy文件，没有相关预处理

结果差异大吗？

很大，完全不对

featuremap是要提前处理好数据的，

这个是需要怎么处理吗，我输入的featuremap是torch推理的中间结果转npy，然后转bin之后，用HB_ONNXRuntime测试了下onnx。中间featuremap就是读取，没有任何处理

你用onnx_runtime推理原始onnx模型是需要数据预处理的吧

这个预处理要跟你的数据集处理方式一样

没有啊，onnx_runtime推理读取的是同一个npy也是没有处理的

你这个onnx对应的原始模型是什么 ，有对应github链接吗

flash-occ，bev-poolv2(J3能跑吗)为界分3部分，第一部分验证了没啥问题，就这个第三部分，输入1,64,200,200 fea来验证就不行

bev_polling这一层之前的输入到最后输出这个阶段 ？

不是，bev-pool之后已经得到了bev feature了， 做2Dbev feature编码的模型。1,64,200,200 fea是bev_polling这一层的输出，2D bev encoder的输入

做一下模型一致性验证看下是不是模型问题

如果两个模型余弦相似度很高，我觉得有可能还是这个阶段输入数据问题，

我这边打印看了一个tensor的值，HB_ONNXRuntime的输出是很大，基本上几百，而onnx_runtime只有10以内，所以就算分布一样，相似度高，也用不了

hb_runtime和onnx_runtime的实现机制不太一样 可能是

我这边输入的npy是bev-pool的输出，跟这个阶段已经没有关系了。就算输入是错的，只要保证验证的模型是同一个输入的话，输出也应该是一致的才对

是这样的，我以为你拿的是整个模型，那可能是工具链的问题

顺便问下，你们J3上能有方法支持bev-poolv2这个op吗

因为计算访存比的原因，J3上不建议跑bev算法模型。至于是都支持这个算子，我们先看下在答复你 。