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.docker 版本：hub.hobot.cc/aitools/ai_toolchain_ubuntu_gpu:v1.7.8
3.问题定位：模型转换
4.问题具体描述：efficient+bifpn的分割模型转onnx量化时用v2.6.2b版本时，不报错可以生成相关onnx和bin文件，但是量化推理结果有误，用v1.7.8版本直接check不通过01_check.sh ERROR There is an error in pass:eliminate_zero_mul. Error message:std::bad_alloc
无法定位到具体的问题，请问该怎么解决，我这可以提供v2.6.2b版本转化成功的original_float_model.onnx文件和yaml文件
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
你好，v1.7.8版本有点太老了，大部分问题在版本迭代中都被修复了，建议使用v2.6.2b最新的docker版本，并且要确保模型转换编译和推理验证时使用的工具版本上一致（来自同一版本的docker）。量化后模型推理结果有误，建议先参考文章 模型精度验证及调优建议 (horizon.cc) 定位量化模型精度掉点的阶段
找到掉点的地方了，在02_preprocess.sh，这一步从测试集中选了100张图，03_build之后预测结果几乎都是背景类精度非常非常低，现在只放1张图有一定精度了至少能预测出其他类了，但是精度还是掉的比较明显，明显大于4%，我在训练时采用了图像色彩饱和度变换等，但在转化这100张图像的时候没用会是这个原因么
你好，02_preprocess.sh作用是对校准数据（50-100张数据）进行预处理，预处理操作应和模型训练时一致