【APX0001】使用Aplux的AI Model Optimizer将yolox.tflite模型转化为QNN格式

老师的好学生 2026-09-11 14:30:21

内容简介

本文尝试使用Aplux的AI Model Optimizer将yolox.tflite模型转化为QNN格式。

测试环境

windows:windows11 x64 professional

Putty:putty-64bit-0.83

QDL:2.7.0

OS on iq-8275-evk:

ubuntu-24.04-preinstalled-server-arm64+dragonwing-x13-20260710.img.xz

QLI.1.7-Ver.1.2-ubuntu-QCS8300-nhlos-bins.tar.gz

QNN_API_VERSION:2.35.0

QNN_SDK_BUILD_ID:v2.46.0.260424121129

Here we go

从高通AiHub上下载Yolox模型:

https://aihub.qualcomm.com/iot/models/yolox?searchTerm=yolox&chipsets=qualcomm-qcs8275

 下载得到(yolox.dlc本文暂时不用,可以不下):

 

 

 本文需要做的事情就是把下载得到的yolox-tflite-w8a8/yolox.tflite转化为能够在IQ8275-EVK上运行的QNN格式。

打开Aplux的模型广场,选择AIMO:

 在“模型优化”选项卡下面上传刚才下载的“yolox.tflite”:

 

  选择QNN版本,由于这里没有看到我们开发板上的版本号,先随便选一个较低版本的试一下:

  设置模型参数:

 

 注意上面参数输出的名称顺序需要满足qtimlpostprocess的期望顺序(这里就是默认顺序),打开“量化”开关,设置精度为INT8,然后点击提交:

然后是等待完成:

  完成后点击下载:

 得到我们需要的文件:

点击编辑,可以修改参数并重新生成:

 比如改QNN版本为2.40:

 同样等待转化完成即可。

细心的你可能会发现,转换得到的bin文件名称为“yolox_qcs8275_w8a8.qnn240.ctx.bin.aidem”,那是因为加密了,所以默认只能使用aplux_aimo SDK,具体可以通过Python指令来安装aplux_aimo SDK:

 

pip install aplux_aimo -i https://mirrors.aidlux.com/simple/

这部分内容将在后续文档中进一步说明。如果要直接使用高通的QNN SDK来调用这个模型,则需要解密才行,具体解密方法后续再说。

 

...全文
194 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机三维协同避障路径规划中的应用,并提供了完整的Matlab代码实现。文章系统阐述了如何在复杂三维环境中规划安全、高效的无人机集群飞行路径,以实现最低飞行成本为目标,综合考虑路径长度、飞行高度、威胁规避和转弯角度等多个因素构成的复合目标函数。通过引入多种策略对蜣螂优化算法进行改进,提升了算法的全局搜索能力与收敛精度,有效解决了多无人机路径规划中存在的高维、多约束、多目标优化难题。研究涵盖了环境建模、算法设计、约束处理、仿真实验与结果分析等全过程,验证了该方法在提升航迹安全性与优化性能方面的有效性。; 适合人群:具备一定Matlab编程能力和优化算法基础知识,从事无人机路径规划、智能优化算法研究、群体智能或相关领域的科研人员、工程技术人员及研究生。; 使用场景及目标:①应用于城市空中交通、应急救援、军事侦察等复杂场景下的多无人机协同任务路径规划;②为研究人员提供一种先进的群智能优化算法实现框架,用于解决多目标、多约束的路径规划问题,推动智能算法在无人系统中的实际落地。; 阅读建议:建议读者结合提供的Matlab代码与文中描述,深入理解算法实现细节,重点关注目标函数构建、多策略改进机制及避障约束处理方式,可通过调整环境参数、威胁分布或优化权重进行扩展实验,进一步掌握算法的适应性与优化潜力。
内容概要:本文系统阐述了如何利用PID控制器在Matlab环境中实现对电池充电过程的智能控制,以优化电池的荷电状态(SOC)。文章首先介绍了PID控制的基本原理及其在电池管理系统中的关键作用,继而通过详细的Matlab代码实例展示PID控制器的设计与实现流程,涵盖参数整定、仿真建模与结果分析等环节。深入探讨了不同充电策略对电池性能的影响,并重点说明了如何通过优化PID控制器的比例、积分、微分参数来提升充电效率、减少充电时间并延长电池使用寿命。同时,文中提供了完整的仿真代码与可视化结果,便于读者复现与进一步研究。 适合人群:具备一定Matlab编程能力和自动控制理论基础的高校学生、科研人员及从事电池管理、新能源系统开发的工程技术人员。 使用场景及目标:① 掌握PID控制器在电池管理系统中的建模与应用方法;② 学习使用Matlab/Simulink进行电池充电过程的仿真与优化;③ 探索提升电池充电效率与安全性的关键技术路径,服务于电动汽车、储能系统等实际工程需求。 阅读建议:建议读者结合文中的Matlab代码进行实操演练,尝试调整PID参数并观察其对SOC变化曲线的影响,从而深入理解控制策略的动态响应特性。同时,鼓励将所学方法迁移至其他类型的电池模型或复杂工况中,以增强解决实际工程问题的能力。

8,041

社区成员

发帖
与我相关
我的任务
社区描述
本论坛以AI、IoT、PC 、XR、Auto等核心板块组成,为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页:https://qualcomm.csdn.net/
物联网人工智能开源 企业社区 北京·东城区
社区管理员
  • csdnsqst0050
  • chipseeker
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧