用MPI读取摄像头的值，总是过曝一点。想了解该如何降低曝光。

ichilong wrote: ↑2025-07-07 3:42 我又尝试pytorch QAT训练后，训练好的图像4分类量化模型，转成rknn格式化后，在模拟器上float的输出是四个值，但是到了板子上推理的时候，结果值有八个input_attrs[0].size 是8. ？

这是因为pytorch 量化后的模型，输出是FP16的类型，所以每个值有两个字节。官方样例里面有float16的文件，可以直接读取。

Crocodile wrote: ↑2025-07-07 5:55 您好，我们没有参与rknn-toolkit2的开发和维护，模型转化问题属于二次开发我们不提供技术支持，自用模型遇到的问题可以到https://github.com/airockchip/rknn-toolkit2创建issue，或者到rknn-toolkit2仓库指定的QQ群咨询。相关文档在https://github.com/airockchip/rknn-tool ... master/doc

理解你们。十分感谢指出了明路。

我又尝试pytorch QAT训练后，训练好的图像4分类量化模型，转成rknn格式化后，在模拟器上float的输出是四个值，但是到了板子上推理的时候，结果值有八个input_attrs[0].size 是8. ？

我做了自己知道的所有尝试，都不行。包括下面：
1. 我在模拟器上推理就异常了。
2. npy和图像做校准文件都试过，也不行。
3. 我用训练集做预测，预测也是异常，都是指向同样类别。
4. normailize，通道转换与否都试过了，也不行。
5. 更换了模型，从resnet18，到mobilenet，efficient-net。都不行

您好，您可以参考以下 https://wiki.luckfox.com/zh/Luckfox-Pico/RKNN-example#4-%E8%8E%B7%E5%8F%96-onnx-%E6%A8%A1%E5%9E%8B 教程，里面有涉及如何将pytorch训练生成的pytorch模型装换为onnx模型，使用的是瑞芯微fork官方yolov5添加rknpu相关内容的仓库。
在 https://github.com/airockchip/yolov5/blob/master/README_rkopt.md 中提及导出onnx模型时做出的调整，删除了post ...

如题，我的模型是resnet18，图像分类算法。
其它配置一样的情况下，
如果不开启量化，如下，预测正常
ret = rknn.build(do_quantization=False, dataset='./dataset.txt')

如果开启量化，预测都指向同一个结果
ret = rknn.build(do_quantization=True, dataset='./dataset.txt')

图片预处理方式也一样。唯一不同的可能是dataset.txt一面图片的生成方式，这方面有指导文档么？

十分感谢

如题，我这边型号是pico-ultra， 摄像头是mipi SC3336.

Crocodile wrote: ↑2025-06-23 6:16 您好，rv1106的储存设备接口在DDR.bin加载阶段会被初始化，进入设备树如果没有进行设置引脚复用号默认不是GPIO而是存储接口，可以参考 rv1103-luckfox-pico-ipc.dtsi（设置fspi接口引脚为GPIO） 将这些存储接口的引脚强制设置为GPIO

十分感谢，如此设置成功