(非官方)RDK新一代模型转换可视化工具 V2.0 更新介绍！

[SkyXZ]

作者：SkyXZ

CSDN：SkyXZ～-CSDN博客-
博客园：SkyXZ - 博客园

封面图

---

V2.0 版本更新亮点

新版的可视化工具他来了！这代版本解决了上代版本的许多 BUG，同时也新增了一些功能，例如：

页面保持功能

• 现在在切换页面时，系统会自动记录当前日志及后台进程状态；
• 切换回来后自动恢复，无需重复启动流程。

示例演示：-

页面保持1-

页面保持2

---

模型中间产物在线推理支持！

• 支持在开发机上直接加载 quantion.onnx 文件进行推理，无需部署开发板即可验证量化精度变化！

示例展示：-

在线推理

---

支持常见分类模型训练与导出

• 现已支持 ResNet 等主流分类网络；
• 导出时支持选择多种图像尺寸配置。

示例展示：-

分类模型训练

---

UI 界面全面优化

• 修复了部分组件显示错乱问题；
• 重新调整了交互逻辑与按钮样式。

示例展示：-

UI优化

---

? 版本特性总览（V2.0）

• 支持常见分类模型的量化转换；
• 支持模型导出后在 PC 上进行精度测试；
• 页面状态保持、操作更流畅；
• 优化部分 UI & 修复若干 BUG；
• 新增导出模型时尺寸选择；

---

? 项目地址 & 下载方式

• GitHub源码地址：-
  ? https://github.com/xiongqi123123/RDK_ToolChain.git
• 百度网盘完整版（包含模型及权重）：-
  ? https://pan.baidu.com/s/1fz_DueWNr3uKDLO7KkNwZw?pwd=7jy3

---

? 工具功能展示

功能模块

示例图

工具总览

index

模型训练

https://img2023.cnblogs.com/blog/3505969/202502/3505969-20250211102126870-668114243.gif（图片大于 10 MB）

train

模型导出

export

模型量化检查

quar

模型转换

conven

反量化节点摘除

delete

输入输出可视化

detection

---

最后

这款工具是我基于吴诺老师的 X3 工具链设计灵感开发的 X5 可视化量化工具，旨在让刚接触 RDK 开发板的同学能够一站式完成模型训练、转换、部署！

如有任何使用建议欢迎留言或提 issue，项目仍在持续更新中，未来还将加入 开发板管理功能！

（qaq：JS真的太难了……）

[李嗯嗯嗯]

7c7533e4f2ae40f362748fc95d531ed3 /app/data/images/val/captured_image_10.jpg
2025-07-11 12:50:43,142 e[92mINFOe[0m log will be stored in /app/models/model_test/YOLO/hb_mapper_makertbin.log
2025-07-11 12:50:43,142 e[92mINFOe[0m Start hb_mapper…
2025-07-11 12:50:43,142 e[92mINFOe[0m hbdk version 3.49.15
2025-07-11 12:50:43,142 e[92mINFOe[0m horizon_nn version 1.1.0
2025-07-11 12:50:43,142 e[92mINFOe[0m hb_mapper version 1.24.3
2025-07-11 12:50:43,142 e[92mINFOe[0m Start Model Convert…
2025-07-11 12:50:43,145 e[92mINFOe[0m Using onnx model file: /app/logs/checker_output/.hb_check/quantized_model.onnx
2025-07-11 12:50:43,159 e[92mINFOe[0m Model has 1 inputs according to model file
2025-07-11 12:50:43,159 e[92mINFOe[0m Model name not given in yaml_file, using model name from model file: [‘images’]
2025-07-11 12:50:43,159 e[92mINFOe[0m Model input shape not given in yaml_file, using shape from model file: [[1, 3, 640, 640]]
2025-07-11 12:50:43,159 e[92mINFOe[0m nv12 input type rt received.
2025-07-11 12:50:43,160 e[93mWARNINGe[0m The calibration dir name suffix is not the same as the value float32 of the parameter cal_data_type, the parameter setting will prevail
2025-07-11 12:50:43,160 e[92mINFOe[0m custom_op does not exist, skipped
2025-07-11 12:50:43,160 e[93mWARNINGe[0m Input node images’s input_source not set, it will be set to pyramid by default
2025-07-11 12:50:43,160 e[93mWARNINGe[0m User input ‘preprocess_on’ will be deprecated. If you want to simplify the calibration process, please use ‘skip’ in ‘calibration_type’
2025-07-11 12:50:43,163 e[92mINFOe[0m *******************************************
2025-07-11 12:50:43,163 e[92mINFOe[0m First calibration picture name: captured_image_10.jpg
2025-07-11 12:50:43,163 e[92mINFOe[0m First calibration picture md5:
2025-07-11 12:50:43,183 e[92mINFOe[0m *******************************************
2025-07-11 12:50:46,845 e[92mINFOe[0m Start to Horizon NN Model Convert.
2025-07-11 12:50:46,859 e[92mINFOe[0m Loading horizon_nn debug methods:set()
2025-07-11 12:50:46,859 e[92mINFOe[0m The weight calibration parameters:
calibration_type: load
The activation calibration parameters:
calibration_type: load
The modelwise search parameters:
similarity: 0.995
metric: cosine-similarity
2025-07-11 12:50:46,859 e[92mINFOe[0m input images is from pyramid. Its layout is set to NHWC
2025-07-11 12:50:46,859 e[92mINFOe[0m The specified model compilation architecture: bernoulli2.
2025-07-11 12:50:46,859 e[92mINFOe[0m The specified model compilation optimization parameters: .
2025-07-11 12:50:46,859 e[92mINFOe[0m Start to prepare the onnx model.
2025-07-11 12:50:46,886 e[92mINFOe[0m Input ONNX Model Information:
ONNX IR version: 6
Opset version: [‘ai.onnx v11’, ‘horizon v1’]
Producer: horizon_nn v1.1.0
Domain: None
Version: None
Graph input:
images: shape=[1, 3, 640, 640], dtype=FLOAT32
Graph output:
small: shape=[1, 80, 80, 24], dtype=FLOAT32
medium: shape=[1, 40, 40, 24], dtype=FLOAT32
big: shape=[1, 20, 20, 24], dtype=FLOAT32
2025-07-11 12:50:47,155 e[92mINFOe[0m End to prepare the onnx model.
2025-07-11 12:50:47,181 e[92mINFOe[0m Saving model to: converted_model_original_float_model.onnx.
2025-07-11 12:50:47,182 e[92mINFOe[0m Start to optimize the onnx model.模型转化出现这种报错是什么问题？

[Doveeeee]

在运行pip3 install -r requirements_docker.txt时报错

[72921322]

你好，我使用您的工具链做反量化节点删除时，我摘除过重新摘除不显示我摘除过后的（正确），我去检测这个摘除过的模型时，还是显示那几个我摘除过的节点。

[dff713]

这个貌似是一个很久前的BUG，你应该先显示了一次节点图，然后做的摘除，之后如果你再用查看节点图的工具就会发现图是没变化的。可以用顶上的下载功能下载到本地，解压缩之后就有摘除前和摘除后的图了