我使用OE量化包量化了opencv的官方人脸检测算法yunet，使用OE包中提供的onnxruntime推理quantized_model.onnx时结果与原模型相差不大，效果不错，但是把bin文件部署到开发板上时推理结果出现严重偏差
原始的onnx模型输入为BGR 0-255 CHW格式（onnx内部直接将0-255的数据输入接下来的卷积层），为了避免工具包自动添加的预处理节点的影响，在配置文件我直接选择使用featuremap，以下为配置文件截图
在OE使用文档中提及quantized_model.onnx与bin文件应当是一致的，而我这里推理出现不一致。
您好，感谢您的反馈，主要问题为目前X5的python接口不支持featuremap，新版本的接口正在开发中
谢谢您的回复，那请问针对我的原始0-255的输入，量化时我应该怎么修改配置文件呢？
我观察到直接使用input_type_rt=bgr，似乎会为onnx添加一个预处理节点将0-255转换为-128-127，这是否会导致后续的量化不一致。
另一个问题，是只有python接口不支持featuremap吗，C++的接口我发现bin的推理输出也不一致
C++接口是支持featuremap输入的，若是C++接口也导致推理输出不一致，可能是量化过程中存在精度掉点，
在算法开发的过程中，遇到各种数值不可控的问题都是正常的，算法工具链提供了完整的流程说明，debug工具及流程说明，供您参考。
PTQ流程详解：6.1. PTQ转换原理及流程 — Horizon Open Explorer
精度调优：8.2. PTQ模型精度调优 — Horizon Open Explorer
性能调优：8.1. 模型性能调优 — Horizon Open Explorer
精度debug工具详解：6.2.12. 精度debug工具 — Horizon Open Explorer
Runtime程序编写详解：9. 嵌入式应用开发（runtime）手册 — Horizon Open Explorer
并不会哈，因为最终都是需要转到NV12在板端推理
非常感谢，重新换回nv12解决了
