征程 6 逆向自证 hbm 与 bc 一致性
1.引言
在征程 6 算法工具链使用过程中，会存在算法侧与软件侧的交接，偶尔会遇到，需要自证清白的情况，例如：
- 算法侧反馈：bc 精度没问题，也参考了【征程 6】bc 与 hbm 一致性比对 文章，使用 hb_verifier 工具验证了 bc 与 hbm 一致性，完成交付，美滋滋，下班！
- 软件侧反馈：算法侧给我的 hbm 有问题，使用相同的 png 图片，我用 c++写的前处理，推理 hbm 出来的可视化不行，和 bc 对不齐，算法同学快回来加班！
- 算法与软件：我不相信 hb_verifier 工具，只相信自己的代码。（呃呃呃呃呃）
如果遇到了这种问题，算法侧的同学怎么自证清白呢？怎么证明可能是 c++与 python 前后处理不一致的问题？
很简单：反向使用软件侧的输入，用 python 代码推理一下 bc 与 hbm，并用 python 代码来进行可视化。下面会介绍软件与算法在遇到这种问题时，应该怎么做。
2.软件侧
对于视频通路金字塔过来的图像数据，前处理一般很简单，就是 mean/std/归一化之类的，常见的应该是 NV12 输入，这部分地平线有一套非常成熟的配置方式，下面以 NV12 输入为例，介绍软件侧应该怎么给算法侧输入。
软件侧和算法侧共同拥有一张 jpg 图片，在板端使用 hrt_model_exec 工具，结合 jpg 图片，生成 hbm 真实的输入。
hbm 输入信息如下：
INFO NAME TYPE SHAPE DATA_TYPE
INFO ------- ------ ---------------- ---------
INFO data_y input [1, 224, 224, 1] UINT8
INFO data_uv input [1, 112, 112, 2] UINT8
INFO prob output [1, 1000, 1, 1] FLOAT32
hrt_model_exec 工具有三个功能，本文主要使用 infer 功能，infer 用于模型推理，用户自定义输入图片，推理一帧。infer 功能需要与 input_file 一起使用，指定输入图片路径，工具根据模型信息 resize 图片，整理模型输入信息。本文使用到的相关参数如下
在板端执行类似如下命令：
hrt_model_exec infer --model_file mobilenetv1_224x224_nv12.hbm --input_file zebra_cls.jpg,zebra_cls.jpg --input_img_properties Y,UV --enable_dump
会生成对应的输入/输出数据
model_infer_input_0_data_y.bin
model_infer_input_1_data_uv.bin
model_infer_output_0_prob.bin
将两个输入。bin 数据给算法侧，请算法侧使用这两个输入去可视化 bc 模型。
3.算法侧
下面参考引言部分的文章，算法侧使用软件侧给的输入推理 hbm 模型即可，输入数据加载方式如下。
import numpy as np加载 bin 文件
y_bin = np.fromfile("./etc/model_infer_input_0_input_0_y.bin", dtype=np.uint8)
uv_bin = np.fromfile("./etc/model_infer_input_1_input_0_uv.bin", dtype=np.uint8)知道具体输入形状，进行 reshape
y = y_bin.reshape((1,224,224,1))
uv = uv_bin.reshape((1,112,112,2))inputs = {"input_0_y": y, "input_0_uv": uv}
注意：为了避免引入其他变量，此时转换编译模型时，不要删除任何节点。
推理部分代码如下：
hbm_model = Hbm("./etc.hbm")
hbm_outputs = hbm_model[0].feed(inputs)
最后，用 hbm_outputs 走 python 的后处理与可视化即可。
4.拓展
odel[0].feed(inputs)
最后，用 hbm_outputs 走 python 的后处理与可视化即可。# 4.拓展针对更复杂的输入场景，板端使用同样的处理方式，将 hbm 模型提供给算法侧即可。