ONNX 转 RKNN 时会做哪些优化
哪些公司问过
答案要点
- 图优化:算子融合、常量折叠、死代码消除、冗余算子简化
- 算子映射和替换:映射为 RKNN 支持的算子,不支持的做等价替换或拆分
- 仍不支持的算子回退到 CPU,会带来性能损失
- 量化:FP32 转 INT8,适配 NPU,需要校准数据,需验证精度
- 布局转换(NCHW 与 NHWC)和内存复用优化;转换后做精度对比和性能测试
易错点
- 把转换只当作格式转换
- 忘了量化需要校准数据并验证精度
- 不知道不支持算子会回退到 CPU
面试官常见追问
- ONNX 本身是图,图优化会用到哪些技术?
- 量化会带来什么问题,怎么解决?
- 为什么不支持的算子会拖慢速度?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。