yaml文件配置

17385240 · 2026 年4 月 5 日 08:32

在配置yaml文件时出现一下错误，是不是因为yaml文件配置格式还是什么不对，日志如下：

root@ba74fe20fe05:/open_explorer# cat > /workspace/yolo11n_seg_config.yaml <<‘EOF’

model_parameters:
onnx_model: /workspace//yolo11n-seg.onnx
output_model_file_prefix: /workspace/yolo11n_seg
march: x5
input_parameters:
input_name: images
input_type: rgb
input_shape: [1, 3, 640, 640]
input_layout: NCHW
norm_type: data_scale
scale_value: 1.0
bration_paramete>
calibration_parameters:
calibration_data_dir: /workspace/calibration_images
calibration_type: default

compile_parameters:
optimize_method: bpu
target: x5
cores: 1
debug: false
EOF
root@ba74fe20fe05:/open_explorer# hb_mapper makertbin --config /workspace/config.yaml
Usage: hb_mapper makertbin [OPTIONS]

Error: Invalid value for ‘-c’ / ‘–config’: Path ‘/workspace/config.yaml’ does not exist.
root@ba74fe20fe05:/open_explorer# rm -f /workspace/yolo11n_seg_config.yaml
root@ba74fe20fe05:/open_explorer# cat > /workspace/yolo11n_seg_config.yaml <<‘EOF’

model_parameters:
onnx_model: /workspace/yolo11n-seg.onnx
output_model_file_prefix: /workspace/yolo11n_seg
march: x5

input_parameters:
input_name: images
input_type: rgb
input_shape: [1, 3, 640, 640]
input_layout: NCHW
norm_type: data_scale
scale_value: 1.0

calibration_parameters:
calibration_data_dir: /workspace/calibration_images
calibration_type: default

compile_parameters:
optimize_method: bpu
arget: x5
core> target: x5
cores: 1
debug: false
EOF
root@ba74fe20fe05:/open_explorer# hb_mapper makertbin --config /workspace/yolo11n_seg_config.yaml
2026-04-05 16:18:35,975 INFO log will be stored in /open_explorer/hb_mapper_makertbin.log
2026-04-05 16:18:35,975 INFO Start hb_mapper…
2026-04-05 16:18:35,975 INFO hbdk version 3.49.15
2026-04-05 16:18:35,975 INFO horizon_nn version 1.1.0
2026-04-05 16:18:35,975 INFO hb_mapper version 1.24.3
2026-04-05 16:18:35,975 INFO Start Model Convert…
2026-04-05 16:18:35,978 ERROR yaml file parse failed. Please double check your config file inputs
2026-04-05 16:18:35,979 ERROR Key ‘input_parameters’ error:
Wrong keys ‘input_layout’, ‘input_type’ in {‘input_name’: ‘images’, ‘input_type’: ‘rgb’, ‘input_shape’: [1, 3, 640, 640], ‘input_layout’: ‘NCHW’, ‘norm_type’: ‘data_scale’, ‘scale_value’: 1.0}
root@ba74fe20fe05:/open_explorer#

求各位佬解答

地瓜小助手_bot · 2026 年4 月 5 日 08:32

我来帮你分析这个 YAML 配置错误。从日志看，input_parameters 中的 input_layout 和 input_type 是无效的配置项。

让我先搜索一下社区中正确的 hb_mapper 配置格式：

问题定位

你的 YAML 配置格式过时了。错误信息很明确：

Wrong keys 'input_layout', 'input_type'

这两个键名在新版 hb_mapper 工具链中已废弃，需要改用新格式。

解决方案

正确的 YAML 配置格式（X5 平台）

model_parameters:
  onnx_model: /workspace/yolo11n-seg.onnx
  march: x5
  output_model_file_prefix: /workspace/yolo11n_seg

input_parameters:
  input_name: images
  input_type_rt: nv12          # 板端推理输入类型
  input_type_train: rgb        # 训练时输入类型
  input_layout_train: NCHW     # 训练时布局
  norm_type: data_scale
  scale_value: 0.003921568627451  # 1/255

calibration_parameters:
  cal_data_dir: /workspace/calibration_images
  cal_data_type: float32

compiler_parameters:
  compile_mode: latency
  optimize_level: O3
  debug: false

关键修改点

旧格式（错误）	新格式（正确）
`input_type: rgb`	`input_type_rt: nv12` + `input_type_train: rgb`
`input_layout: NCHW`	`input_layout_train: NCHW`
`input_shape: [1,3,640,640]`	删除（工具链自动从 ONNX 读取）
`calibration_type: default`	`cal_data_type: float32`
`compile_parameters.optimize_method: bpu`	`compiler_parameters.optimize_level: O3`
`compile_parameters.target: x5`	删除（march 已指定）

执行步骤

# 1. 创建正确的配置文件
cat > /workspace/yolo11n_seg_config.yaml <<'EOF'
model_parameters:
  onnx_model: /workspace/yolo11n-seg.onnx
  march: x5
  output_model_file_prefix: /workspace/yolo11n_seg

input_parameters:
  input_name: images
  input_type_rt: nv12
  input_type_train: rgb
  input_layout_train: NCHW
  norm_type: data_scale
  scale_value: 0.003921568627451

calibration_parameters:
  cal_data_dir: /workspace/calibration_images
  cal_data_type: float32

compiler_parameters:
  compile_mode: latency
  optimize_level: O3
  debug: false
EOF

# 2. 执行转换
hb_mapper makertbin --config /workspace/yolo11n_seg_config.yaml

参考资源

社区已有完整教程，建议查看：

从头开始 YOLOV11 自训练模型的板端部署和量化 - 含详细 YAML 配置示例

注意事项

工具链版本：你用的是 hb_mapper version 1.24.3，配置格式已更新
分割模型：YOLO11-seg 有 6 个输出头，转换后可用 hb_perf 验证
校准数据：确保 /workspace/calibration_images 目录存在且有足够图片（建议 100+ 张）

转换成功后，可以用以下命令验证模型：

hb_perf /workspace/yolo11n_seg.bin

17385240 · 2026 年4 月 5 日 08:49

按照上面配置文件后，出现一下情况

root@ba74fe20fe05:/open_explorer# hb_mapper makertbin --config /workspace/yolo11n_seg_config.yaml
2026-04-05 16:47:00,306 INFO log will be stored in /open_explorer/hb_mapper_makertbin.log
2026-04-05 16:47:00,307 INFO Start hb_mapper…
2026-04-05 16:47:00,307 INFO hbdk version 3.49.15
2026-04-05 16:47:00,307 INFO horizon_nn version 1.1.0
2026-04-05 16:47:00,307 INFO hb_mapper version 1.24.3
2026-04-05 16:47:00,307 INFO Start Model Convert…
2026-04-05 16:47:00,309 INFO Using onnx model file: /workspace/yolo11n-seg.onnx
2026-04-05 16:47:00,334 INFO Model has 1 inputs according to model file
2026-04-05 16:47:00,334 ERROR Parse ‘model_parameters’ failed!
2026-04-05 16:47:00,334 ERROR yaml file parse failed. Please double check your config file inputs
2026-04-05 16:47:00,335 ERROR User input march invalid: ‘x5’ . It should in list [‘bernoulli2’, ‘bayes’, ‘bayes-e’]

怎么解决

地瓜小助手_bot · 2026 年4 月 5 日 08:49

问题定位

错误信息很明确：

User input march invalid: 'x5'. It should in list ['bernoulli2', 'bayes', 'bayes-e']

原因：march 参数应该填芯片代号，不是产品名。

RDK X5 对应的芯片是 Bayes-E，应该用 bayes-e
x5 是产品名，工具链不识别

解决方案

修改 YAML 中的 march 参数：

model_parameters:
  onnx_model: /workspace/yolo11n-seg.onnx
  march: bayes-e              # 改为 bayes-e，不是 x5
  output_model_file_prefix: /workspace/yolo11n_seg

input_parameters:
  input_name: images
  input_type_rt: nv12
  input_type_train: rgb
  input_layout_train: NCHW
  norm_type: data_scale
  scale_value: 0.003921568627451

calibration_parameters:
  cal_data_dir: /workspace/calibration_images
  cal_data_type: float32

compiler_parameters:
  compile_mode: latency
  optimize_level: O3
  debug: false

完整执行命令

# 重新创建配置文件
cat > /workspace/yolo11n_seg_config.yaml <<'EOF'
model_parameters:
  onnx_model: /workspace/yolo11n-seg.onnx
  march: bayes-e
  output_model_file_prefix: /workspace/yolo11n_seg

input_parameters:
  input_name: images
  input_type_rt: nv12
  input_type_train: rgb
  input_layout_train: NCHW
  norm_type: data_scale
  scale_value: 0.003921568627451

calibration_parameters:
  cal_data_dir: /workspace/calibration_images
  cal_data_type: float32

compiler_parameters:
  compile_mode: latency
  optimize_level: O3
  debug: false
EOF

# 执行转换
hb_mapper makertbin --config /workspace/yolo11n_seg_config.yaml

芯片代号对照表

产品	芯片代号 (march)
RDK X3 / 旭日 X3	`bernoulli2`
RDK X5	`bayes-e`
其他 Bayes 系列	`bayes`

验证转换结果

转换成功后，用以下命令验证模型：

hb_perf /workspace/yolo11n_seg.bin

查看输出是否为 6 个输出头（YOLO11-seg 的特征）。

参考教程：从头开始 YOLOV11 自训练模型的板端部署和量化 - 里面有完整的配置示例。

17385240 · 2026 年4 月 5 日 09:30

root@ba74fe20fe05:/workspace# hb_mapper makertbin --config /workspace/yolo11n_seg_config.yaml
2026-04-05 17:29:16,703 INFO log will be stored in /workspace/hb_mapper_makertbin.log
2026-04-05 17:29:16,703 INFO Start hb_mapper…
2026-04-05 17:29:16,703 INFO hbdk version 3.49.15
2026-04-05 17:29:16,703 INFO horizon_nn version 1.1.0
2026-04-05 17:29:16,703 INFO hb_mapper version 1.24.3
2026-04-05 17:29:16,703 INFO Start Model Convert…
2026-04-05 17:29:16,705 INFO Using onnx model file: /workspace/yolo11n-seg.onnx
2026-04-05 17:29:16,723 INFO Model has 1 inputs according to model file
2026-04-05 17:29:16,723 INFO Model input shape not given in yaml_file, using shape from model file: [[1, 3, 640, 640]]
2026-04-05 17:29:16,723 INFO nv12 input type rt received.
2026-04-05 17:29:16,723 WARNING The calibration dir name suffix is not the same as the value float32 of the parameter cal_data_type, the parameter setting will prevail
2026-04-05 17:29:16,723 INFO custom_op does not exist, skipped
2026-04-05 17:29:16,724 WARNING Input node images’s input_source not set, it will be set to pyramid by default
2026-04-05 17:29:16,725 INFO *******************************************
2026-04-05 17:29:16,725 INFO First calibration picture name: calib_00.jpg
2026-04-05 17:29:16,725 INFO First calibration picture md5:
079aa50fb05e391b2d956b860a880a30 /workspace/calibration_images/calib_00.jpg
2026-04-05 17:29:16,728 INFO *******************************************
2026-04-05 17:29:16,728 ERROR load cal data for input ‘images’ error
2026-04-05 17:29:16,729 ERROR cannot reshape array of size 103914 into shape (1,3,640,640)
root@ba74fe20fe05:/workspace#

这种情况如何解决呢

地瓜小助手_bot · 2026 年4 月 5 日 09:30

问题定位

错误信息很明确：

ERROR cannot reshape array of size 103914 into shape (1,3,640,640)

原因：校准数据格式不对。

你的校准目录里是 JPG 图片文件
但 cal_data_type: float32 告诉工具链期望 原始 float32 数据
工具链读取 JPG 文件二进制数据（103914 字节），无法 reshape 成 3×640×640=1,228,800 的数组

解决方案

方案一：使用图片格式（推荐，简单）

修改 YAML，让工具链直接读取 JPG 图片：

calibration_parameters:
  cal_data_dir: /workspace/calibration_images
  cal_data_type: jpg          # 改为 jpg，工具链会自动解码

方案二：预处理校准数据（正式部署推荐）

使用 OE 包里的预处理脚本将图片转为 float32 格式：

# 1. 找到数据预处理脚本（在 OE 包里）
find /open_explorer -name "data_preprocess.py"

# 2. 执行预处理（假设脚本在 /open_explorer/tools/）
python3 /open_explorer/tools/data_preprocess.py \
  --src_dir /workspace/calibration_images \
  --dst_dir /workspace/calibration_data_float \
  --dst_type float32 \
  --img_size 640

# 3. 修改 YAML 指向新目录
calibration_parameters:
  cal_data_dir: /workspace/calibration_data_float
  cal_data_type: float32

方案三：快速验证（先跑通）

如果只是想快速验证流程，用方案一改 YAML 即可：

cat > /workspace/yolo11n_seg_config.yaml <<'EOF'
model_parameters:
  onnx_model: /workspace/yolo11n-seg.onnx
  march: bayes-e
  output_model_file_prefix: /workspace/yolo11n_seg

input_parameters:
  input_name: images
  input_type_rt: nv12
  input_type_train: rgb
  input_layout_train: NCHW
  norm_type: data_scale
  scale_value: 0.003921568627451

calibration_parameters:
  cal_data_dir: /workspace/calibration_images
  cal_data_type: jpg

compiler_parameters:
  compile_mode: latency
  optimize_level: O3
  debug: false
EOF

hb_mapper makertbin --config /workspace/yolo11n_seg_config.yaml

校准数据要求

要求	说明
数量	建议 100+ 张，最少 50 张
格式	JPG/PNG 或预处理后的 float32
尺寸	不需要严格 640×640，工具链会自动 resize
内容	应覆盖实际使用场景的各种情况

验证校准数据

# 检查图片数量和格式
ls -la /workspace/calibration_images/ | head -20
ls /workspace/calibration_images/ | wc -l

# 查看第一张图片信息（如果安装了 ImageMagick）
identify /workspace/calibration_images/calib_00.jpg

建议：先用方案一（cal_data_type: jpg）跑通流程，确认模型转换成功后，再用方案二做正式部署的校准数据预处理。

参考教程：从头开始 YOLOV11 自训练模型的板端部署和量化 - 里面有完整的校准数据准备说明。

17385240 · 2026 年4 月 5 日 09:46

root@ba74fe20fe05:/workspace# cat > /workspace/yolo11n_seg_config.yaml <<‘EOF’

model_parameters:
onnx_model: /workspace/yolo11n-seg.onnx
march: bayes-e
output_model_file_prefix: /workspace/yolo11n_seg

input_parameters:
input_name: images
input_type_rt: nv12
input_type_train: rgb
input_layout_train: NCHW
norm_type: data_scale
scale_value: 0.003921568627451
bration_paramete>
calibration_parameters:
cal_data_dir: /workspace/calibration_uint8
cal_data_type: uint8

compiler_parameters:
compile_mode: la> compile_mode: latency
optimize_level: O3
debug: false
EOF
root@ba74fe20fe05:/workspace# hb_mapper makertbin --config /workspace/yolo11n_seg_config.yaml
2026-04-05 17:45:03,430 INFO log will be stored in /workspace/hb_mapper_makertbin.log
2026-04-05 17:45:03,431 INFO Start hb_mapper…
2026-04-05 17:45:03,431 INFO hbdk version 3.49.15
2026-04-05 17:45:03,431 INFO horizon_nn version 1.1.0
2026-04-05 17:45:03,431 INFO hb_mapper version 1.24.3
2026-04-05 17:45:03,431 INFO Start Model Convert…
2026-04-05 17:45:03,433 INFO Using onnx model file: /workspace/yolo11n-seg.onnx
2026-04-05 17:45:03,448 INFO Model has 1 inputs according to model file
2026-04-05 17:45:03,448 INFO Model input shape not given in yaml_file, using shape from model file: [[1, 3, 640, 640]]
2026-04-05 17:45:03,448 INFO nv12 input type rt received.
2026-04-05 17:45:03,449 INFO The calibration dir name suffix is the same as the value uint8 of the cal_data_type parameter and will be read with the value of cal_data_type.
2026-04-05 17:45:03,449 INFO custom_op does not exist, skipped
2026-04-05 17:45:03,449 WARNING Input node images’s input_source not set, it will be set to pyramid by default
2026-04-05 17:45:03,450 INFO *******************************************
2026-04-05 17:45:03,450 INFO First calibration picture name: calib_00.bin
2026-04-05 17:45:03,450 INFO First calibration picture md5:
e425de322b0316a2844f9b7f23d82466 /workspace/calibration_uint8/calib_00.bin
2026-04-05 17:45:03,454 INFO *******************************************
2026-04-05 17:45:04,113 ERROR wrong model type None
root@ba74fe20fe05:/workspace#

地瓜小助手_bot · 2026 年4 月 5 日 09:46

问题定位

错误信息：ERROR wrong model type None

原因：hb_mapper makertbin 命令缺少 --model-type 参数。

你的 YAML 配置没问题，但命令不完整。

解决方案

修正命令

hb_mapper makertbin --model-type onnx --config /workspace/yolo11n_seg_config.yaml

关键：加上 --model-type onnx

完整执行流程

# 1. 确认 YAML 配置（你当前的配置没问题）
cat /workspace/yolo11n_seg_config.yaml

# 2. 执行转换（加上 --model-type onnx）
hb_mapper makertbin --model-type onnx --config /workspace/yolo11n_seg_config.yaml

# 3. 验证转换结果
hb_perf /workspace/yolo11n_seg.bin

命令参数说明

参数	说明
`--model-type onnx`	指定输入模型类型为 ONNX
`--config xxx.yaml`	指定配置文件路径

预期成功输出

转换成功后会看到类似输出：

INFO Model Convert finished successfully
INFO Output model: /workspace/yolo11n_seg.bin

然后用 hb_perf 验证模型结构，YOLO11-seg 应该有 6 个输出头。

小提示：你的校准数据用 uint8 格式（.bin 文件）是可以的，说明你已经做过预处理了。直接加上 --model-type onnx 应该就能跑通。

参考教程：从头开始 YOLOV11 自训练模型的板端部署和量化 - 命令格式参考第 3 节。

Marcelo6151 · 2026 年4 月 7 日 03:41

你好，基础工具链使用可以参考model zoo现有案例体验一下转化流程，自己编写yaml可以参考，参考工具链手册来实现