【RT-DETR实战】122、算能（Sophgo）TPU平台部署探索：从模型转换到性能调优的血泪史

今天在实验室调试RT-DETR的TPU部署，模型转换倒是顺利通过了，一上板子推理直接卡死。

抓了半小时日志才发现，原来某个卷积层的padding参数TPU编译器不支持自动转换。这种平台差异的坑，不实际跑一遍根本想不到。

模型转换的暗礁

算能的TPU平台使用自家开发的BMNETC编译器链，官方文档看着清晰，实际用起来处处是细节。RT-DETR的PyTorch模型转ONNX还算常规操作，但ONNX到BModel的过程就考验耐心了。

# 转换命令示例 - 这里踩过坑# 别直接使用默认参数，特别是输入shape的设定bmnetc--model=rtdetr.onnx \--target=BM1684X \# 芯片型号必须明确指定