首页
/ Super-Gradients项目中YOLO-NAS模型PTQ与QTA导出ONNX形状差异解析

Super-Gradients项目中YOLO-NAS模型PTQ与QTA导出ONNX形状差异解析

2025-06-11 21:11:39作者:房伟宁

背景概述

在深度学习模型部署过程中,模型量化是提高推理效率的重要手段。Super-Gradients作为Deci-AI推出的训练库,提供了YOLO-NAS模型的完整训练和量化支持。近期有用户发现,在使用该库进行PTQ(后训练量化)和QTA(量化感知训练)后,导出的ONNX模型在输入输出形状上存在显著差异。

现象描述

当用户按照官方文档流程对YOLO-NAS模型进行PTQ和QTA处理后,发现两种量化方式导出的ONNX模型结构不同:

  1. PTQ导出的ONNX模型:包含4个输出节点,分别为:

    • int64[1, 1]格式的输出
    • float32[1, N, M]格式的输出
    • float32[1, N]格式的输出
    • int64[1, N]格式的输出
  2. QTA导出的ONNX模型:仅包含2个输出节点:

    • float32[16, 8400, 4]格式的输出
    • float32[16, 8400, 3]格式的输出

技术原理分析

这种差异源于Super-Gradients库中两种量化流程的实现方式不同:

  1. PTQ量化流程:直接通过model.export()方法实现,该方法支持在导出时附加后处理(NMS)模块,因此输出的ONNX模型已经包含了完整的检测流程,输出的是经过解码的边界框信息。

  2. QTA量化流程:通过Trainer进行训练,目前尚未完全集成新的export() API,因此在导出QAT模型时无法附加后处理模块,导出的ONNX仅包含模型本身的输出特征。

解决方案演进

在项目的最新进展中,开发团队已经通过PR#1879解决了这一问题。现在无论是QAT还是PTQ,都统一使用模型的.export()方法进行导出,确保了输出形状的一致性。这一改进使得:

  • 两种量化方式导出的模型具有相同的输入输出结构
  • 用户可以使用统一的接口处理量化后的模型
  • 简化了模型部署流程

实践建议

对于需要使用量化版YOLO-NAS模型的开发者,建议:

  1. 使用最新版本的Super-Gradients库,确保获得一致的导出行为
  2. 在导出模型时明确指定是否需要包含后处理模块
  3. 对于生产环境部署,建议进行充分的量化效果验证
  4. 注意不同量化方式对模型精度和速度的影响差异

总结

模型量化是边缘部署的关键技术,理解不同量化方式的实现差异对于成功部署至关重要。Super-Gradients库通过持续改进,正在提供更加统一和便捷的量化体验,帮助开发者更高效地将YOLO-NAS等先进模型部署到实际应用中。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8