6.2.2 Polygraphy：模型转换精度与结果校验工具

文档摘要

6.2.2 Polygraphy：模型转换精度与结果校验工具在深度学习模型部署的漫漫长路上，我们常常遭遇一种令人窒息的“黑箱断层”：训练时精度惊艳的 PyTorch 模型，经 ONNX 导出、TensorRT 优化后，在嵌入式设备上推理结果却悄然偏移——输出 logits 差异达 $10^{-2}$ 量级，Top-1 准确率下跌 3.7%，而日志里连一行 warning 都没有。调试？从 PyTorch → ONNX → TRT 的每一段转换链路都像蒙着雾的玻璃管道：你看见输入进去，也看见输出出来，却无法确认中间哪一帧浮点计算被悄悄重排、哪一次量化缩放因子被误置、哪一层 fused activation 被错误启用了 RELU6 而非 RELU。