用户您好，请详细描述您所遇到的问题，这会帮助我们快速定位问题~
1.芯片型号：j3
2.天工开物开发包OpenExplorer版本：XJ3_OE_2.2.3
3.问题定位：yolov5部署
4.问题具体描述：yolov5 模型转换后，使用同一张图片测试，quantized_model.onnx与 bin 模型测试结果不一致，置信度相差太多
测试结果以及模型均上传至百度云：链接：https://pan.baidu.com/s/1Qo66jKjxr9FZIDW13d5\_0w?pwd=ae5w
提取码：ae5w
--来自百度网盘超级会员V3的分享
感谢您使用地平线芯片算法工具链，最近我们在收集大家的满意度反馈，欢迎您填写问卷，详细情况可见：https://developer.horizon.ai/forumDetail/146177053698464782
你好，请问quantized.onnx和bin的一致性检验是否通过呢？-
具体调优过程请您参考这篇文章：https://developer.horizon.ai/forumDetail/71036815603174578进行精度调优。
quantized.onnx和bin的一致性检验通过，精度调优方法全部试过，依然存在quantized.onnx和bin置信度相差较大问题
你好，如果两者一致性检查通过的话，建议您仔细检查一下板端前后处理的代码哈，看看是不是代码写的时候存在一些数据处理上的差异
1、请问除了板端处理代码的原因，还存在其他可能的原因吗？数据处理上的差异大概指的是什么方面呢？我在测试onnx的时候输入的是rgb图，通过transformer转换成nv12，板端直接连接摄像头输入nv12的图。
2、请问怎样验证精度损失了多少？
你好，关于问题1：当使用工具验证quantized.onnx与bin模型的一致性后，说明两者在相同输入下，输出小数点后5位都是对齐的，这个也可以通过参数进行更严格的限制，如下图所示：
数据处理上的差异，比如opencv和skimage自身库的差异，resize不同插值方式的差异等。-
建议将Transformer转换成的nv12保存下来，在板端进行推理，这一步可以通过代码或工具进行验证，比如工具的这个参数可以控制输入数据，如下图
也可以验证是否是摄像头直接给的nv12输入和transformer转成nv12存在差异。
关于问题2：通常验证quantized.onnx与bin的一致性即可，如果需要验证bin的精度的话，可以参考开发手册AI_benchmark章节进行
好的。谢谢，我试试