<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wc040823的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/wc040823</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wc040823]]></copyright><item><title><![CDATA[YOLO部署避坑指南：算子兼容性解决方案]]></title><link>https://blog.youkuaiyun.com/wc040823/article/details/161118306</link><guid>https://blog.youkuaiyun.com/wc040823/article/details/161118306</guid><author>wc040823</author><pubDate>Fri, 15 May 2026 16:54:47 +0800</pubDate><description><![CDATA[模型层：将不兼容的算子（SiLU, MaxPool2d, DFL相关算子等）替换为硬件友好算子（ReLU6, AvgPool2d），并移除动态结构（内部NMS）。导出层：使用静态维度（）和兼容的ONNX opset（如12）导出模型，从计算图中剥离所有动态操作。编译层：利用ATC工具将静态ONNX模型编译为OM模型，并通过AIPP配置文件将图像归一化、色彩转换等前处理固化到硬件执行流程中。运行时层。]]></description><category></category></item><item><title><![CDATA[直接部署YOLOv8权重的风险与优化]]></title><link>https://blog.youkuaiyun.com/wc040823/article/details/161118231</link><guid>https://blog.youkuaiyun.com/wc040823/article/details/161118231</guid><author>wc040823</author><pubDate>Fri, 15 May 2026 16:51:16 +0800</pubDate><description><![CDATA[对比项直接部署原始权重 (.pt)优化后部署 (ONNX/TensorRT/OM + AIPP)性能低下，无法利用硬件加速，前处理占用CPU。高，利用硬件加速（Tensor Core/NPU），前处理卸载至AIPP。算子兼容性可能遇到不支持的PyTorch算子。经过转换和优化，算子得到引擎良好支持或已替换。数据流稳定性依赖运行时代码，容易因环境差异导致预处理不一致。预处理逻辑部分固化在模型或配置中（如AIPP），一致性高。部署复杂度高，需安装完整PyTorch环境，依赖多。低。]]></description><category></category></item></channel></rss>