← 在分诊台打开（可搜索/导航）
板端推理结果和PC端不一致怎么排查
⚠️ E7 模型转换踩坑专题 · 全平台
状态：90%的"模型不准"其实是预处理不一致
也这样说： 结果不一致 rknn输出不同 预处理不一致 板端推理差 mean std
可能根因：- 预处理(归一化/resize/通道顺序)不一致
- 板端和PC端数据类型不同
- 量化导致输出偏移
解决方案
🔧 变通方案（1条）
排查方法：PC端和板端用同一张图逐步比对 暂无外链
取一张测试图，在PC端ONNX和板端RKNN分别推理，对比中间层输出（如backbone特征图）找到分歧点；从输入到输出逐层比，哪层开始不同就是问题所在
时效：2026-09
⚠️ 避坑提醒（3条）
RKNN输出与ONNX差异大先查mean/std
RKNN转换时mean/std必须和训练时完全一致，差一个小数点结果全错；用Netron查看ONNX输入节点确认预处理参数
时效：2026-09
打开 ↗resize方式不同导致结果偏差 暂无外链
PyTorch默认PIL resize是双线性插值，OpenCV默认也是但参数不同；板端用cv2.resize必须指定interpolation=cv2.INTER_LINEAR且确认坐标原点
时效：2026-09
Android端输入类型错误"expected uint8 got float32"
TFLite模型输入可能是uint8但Android端传了float32；必须查TFLite模型的input_details确认dtype，预处理时做类型转换
时效：2026-09
打开 ↗
本页是路由层入口，不存教程正文。每条入口带人工评注。
来自 问题分诊台 · Vertical Hub