模型优化平台 (AIMO) 用户指南
简介
AI Model Optimizer (AIMO) 是一个基于Web端的可交互的AI模型部署优化平台，旨在帮助用户能够在边缘端芯片上快速迁移、部署和运行各种机器学习模型。AIMO能够将其他主流框架模型格式转换成tflite、ONNX、DLC等多种模型格式。
AIMO 有两种部署方式：
AIMO 集成了各种模型转换工具，简化了转换流程，方便用户零代码、低成本的完成模型转换。另外，针对高通平台，为了提高模型转换成功率，AIMO 内置了额外的算子库。对于带有 UDO 算子的模型需要配合 AidLite SDK 推理引擎一起使用 (详情请参考AidLite SDK 开发者文档)
使用方法
AIMO使用流程图见下图：
步骤一：上传模型
先选择源模型格式，然后将模型拖拽或点击上传至 AIMO
正确的操作之后页面如下图所示，描述 会根据模型文件名自动补充，开发者可以自行编辑修改
步骤二：选择目标平台
第二步需要选择目标平台，当开发者选择 硬件平台 中的选项时，右侧的 芯片型号 会出现已支持的型号，如下图：
💡注意
芯片型号 为可选项，不是必选项，有明确的硬件型号 AIMO 能针对硬件更好的进行模型优化
步骤三：参数设置
根据源模型格式，模型优化界面会包含：
- 网络简化 (Network Simplifying)：简化源模型为 ONNX 模型的网络结构，源模型为 ONNX 时才存在该选项
- 自动截断 (Auto Cut Off)：可以根据网络类型自动截断模型，适用于具有固定截断方式的模型
- 自动量化选项 (Auto Quantization)：目前仅针对部分源模型格式
- 自定义优化选项 (Customize Mode)
💡注意
AIMO 会根据自动量化策略进行模型自动量化优化，这也是 AIMO 推荐的量化方式，适合新手使用
步骤四：下载模型
等待模型转换完成后即可下载模型。
模型优化转换时间可能瞬间完成 (十几秒内)，也可能几天，这取决于优化量化设置。
转换失败
转换失败时，执行日志会打印失败日志。开发者可以根据失败日志判断原因
开发者也可以查阅常见问题来定位问题
转换案例
Model Farm 包含了大量的通过 AIMO 转换的适配高通平台的模型，开发者可以在模型详情页面查看 AIMO 的转换步骤参考。
以 YOLOv5s INT8 为例：
访问 Model Farm
登录开发者账号
搜索 YOLOv5s
进入模型详情页面——点击右侧性能参考中的 模型转换参考 按钮
