结论
不能强制指定 MatMul 算子使用 int16。
根据社区官方确认（参考帖子）：
RDK X5 / X3 平台的 MatMul 算子在 BPU 上默认只支持 int8 输入，即使在 QAT 流程中编译 HBM 模型时，如果指定 MatMul 输入为 int16 会直接报错。
这是硬件 BPU 架构的限制，不是工具链配置问题。
为什么你之前看到 “不支持 int16” 的警告？
工具链日志中的警告：
WARNING The input1 of Node(name:/blocks_st.0/attn_s/MatMul_1, type:MatMul) does not support data type: int16
这正是工具链在告诉你：MatMul 不支持 int16，已自动回退到 int8。
你的当前状态分析
你说：
“输出余弦相似度达到 0.999947，其余算子余弦相似度均在 0.95 以上”
这已经是非常好的结果了！ 最终输出相似度 0.999947 说明：
- Softmax 放 CPU 的策略生效
- 整体量化精度损失已控制在极小范围
- MatMul 用 int8 并没有影响最终精度
如果仍有抖动，问题不在 MatMul 精度
既然最终输出相似度已达 0.999947，如果板端仍有抖动，可能原因是：
1. 时序累积误差（最可能）
单帧余弦相似度高 ≠ 时序稳定。建议测试：
# 测试时序抖动
import numpy as np
def test_jitter(model, sequence_data, num_frames=100):
predictions = []
for i in range(num_frames):
frame_input = sequence_data[i:i+120] # 120 帧窗口
pred = model(frame_input)
predictions.append(pred)
# 计算相邻帧关键点位置的标准差
predictions = np.array(predictions)
frame_diff = np.diff(predictions, axis=0)
jitter_std = np.std(frame_diff, axis=0)
print(f"平均抖动标准差：{jitter_std.mean():.6f}")
print(f"最大抖动：{jitter_std.max():.6f}")
return jitter_std
2. 校准数据分布问题
50 条校准数据可能未覆盖极端动作场景，导致某些帧的量化参数不准确。
3. 板端与开发机环境差异
- 开发机用 HB_ONNXRuntime 验证 vs 板端 .bin 模型
- 可能存在前处理对齐问题
建议下一步
方案 A：验证是否真的是 MatMul 问题（先确认）
# 1. 在开发机用 HB_ONNXRuntime 测试 quantized ONNX
python3 test_onnx_quantized.py \
--model motionbert_lite_quantized_model.onnx \
--test_sequence ./test_sequence.bin \
--output_jitter_report
# 2. 对比浮点模型和量化模型的时序输出
python3 compare_temporal.py \
--float_model motionbert_lite_original_float_model.onnx \
--quant_model motionbert_lite_quantized_model.onnx \
--sequence_length 100
如果开发机上 quantized ONNX 没有抖动，但板端 .bin 有抖动 → 前处理/后处理对齐问题。
如果开发机上也有抖动 → 量化本身问题，但 MatMul 用 int8 不是主因（因为相似度已 0.9999+）。
方案 B：进一步优化（如果确认需要）
既然 MatMul 不能用 int16，可以考虑：
-
将掉点最严重的 Attention 块整体移到 CPU
node_info: /blocks_st.3/attn_t/q_linear/MatMul: ON: CPU InputType: float32 OutputType: float32 /blocks_st.3/attn_t/k_linear/MatMul: ON: CPU InputType: float32 OutputType: float32 /blocks_st.3/attn_t/v_linear/MatMul: ON: CPU InputType: float32 OutputType: float32 # ... 其他掉点严重的层 -
增加校准数据到 300-500 条
python3 generate_calibration_data.py \ --num_samples 400 \ --cover_actions all \ --output_dir ./calibration_data_400 -
降低 max_percentile
calibration_parameters: max_percentile: 0.999 # 从 0.99999 降低
总结
| 问题 | 答案 |
|---|---|
| MatMul 能强制 int16 吗？ |  不能，BPU 硬件限制 |
| 当前 0.999947 相似度够好吗？ | 非常好，MatMul 用 int8 不是瓶颈 |
| 如果还有抖动，怎么办？ | 先验证是时序问题还是板端部署问题，再针对性优化 |
建议先做时序抖动测试，确认问题根源后再决定是否需要进一步调优或上 QAT。