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：x3
2.天工开物开发包OpenExplorer版本：openexplorer/ai_toolchain_ubuntu_20_j5_cpu
3.问题定位：模型转换
4.问题具体描述：
关于您的问题描述有一个小问题，您是用的J5的OE开发包编译模型放到X3的芯片上运行是嘛？这边建议如果您使用X3的计算平台，请使用XJ3的OE开发包编译模型，XJ3OE开发包获取路径为https://developer.horizon.cc/forumDetail/136488103547258769
您好，关于PyTorch导出ONNX，您可以参考这篇社区文章Pytorch导出ONNX及模型可视化教程 (horizon.cc)
您好，地平线工具链在持续迭代优化，为了给您提供更好的服务，希望您能抽出3分钟左右的时间，将您在使用工具链期间的感受和建议告诉我们，您的宝贵意见对我们很重要，非常感谢！-
问卷链接：地平线算法工具链使用满意度反馈
您好，您这里的模型转换我们不提供生成ONNX格式的工具，需要您提前准备好ONNX模型。您可以使用torch公版提供的ONNX转换工具，可以参考pytorch-YOLOv4/tool/darknet2onnx.py中torch.onnx.export()，需要您自主学习一下用法；
此外，也有可能是别的部分出现了问题，还麻烦您在板端使用hrt_model_exec model_info --model_file xx.bin命令，如有报错，麻烦提供一下完整截图~
如果板端model_info无报错，会打印模型输入输出信息，您可以检查一下是否符合预期。然后继续尝试使用hrt_model_exec perf工具评测模型性能，如有报错，还请提供完整截图~
第一张图的output我觉得是有问题的，我对比了yolov4-tiny.weights来转的，正常模型输出应该是2个输出，分别是13*13*256，26*26*256才对
您好，从输出来看，Tianxiaomo/pytorch-YOLOv4的项目对公版模型输出做了处理，并非导出ONNX或者模型转换的问题；您截图中的红字是因为板子上没有keros芯片，在加载阶段会判断是否有该芯片，可以忽略，建议您使用最新版本的XJ3 OE开发包编译模型，最新XJ3 OE包路径为 https://developer.horizon.cc/forumDetail/136488103547258769
我用你们的推理工具来推理，结果很怪的，成绩也不是在0-1之间，你们这个工具能否把推理结果画到图片上来直接看结果？
您好，类别score不在0-1之间可能是模型分类分支输出没有做Sigmoid处理。我们的板端不支持可视化，建议您在PC端使用模型转换生成的quantized_model.onnx进行推理可视化，因为quantized_model.onnx和.bin模型是一致的
我对比你了你们的yolo5输出，都是n*h*w*c的方式生成如1，21，21，255，但我用的转换工具的输出是’boxes’, 'confs’生成如1，2535，1，4，这是为何呢？
您好，模型输出不同很正常，取决于是否对输出做处理且模型输出是和后处理对应的，例如yolov5的后处理代码
您的模型输出应该没有问题，1x2535x1x4是bbox分支，1x2535x80x1是类别分支，直接接后处理，在PC端进行可视化就行了
有什么pc端的可以化工具推荐，最好可以在线直接使用的
您可以使用Netron对模型结构进行在线可视化 Netron ；模型推理可视化（检测框和类别）需要您自己编写后处理代码~
你们提供的demo中有没类似这种1x2535x1x4，1x2535x80x1的后处理代码作为参考？
您好，我们提供的demo里应该是没有的，但是您提供的这个项目里https://github.com/Tianxiaomo/pytorch-YOLOv4是有的，可以阅读参考
