辰龙OS训练营 2026S 导学作业第3题：使用 tpu-mlir 跑通 dog.jpg 目标检测，产出三张画框结果图。
使用算能 tpu-mlir 工具链，将 YOLOv5s 模型编译为 BM1684X 平台的 bmodel，并对 dog.jpg 进行目标检测，对比三种精度的检测效果。
- 平台：cnb.cool CI（Docker 容器）
- 镜像：
sophgo/tpuc_dev:latest - 工具：
tpu_mlirPython 包
yolov5s.onnx
│
├─ detect_yolov5 ──────────────────────→ dog_onnx.jpg
│
├─ model_transform → yolov5s.mlir
│ │
│ ├─ model_deploy (F16) → yolov5s_1684x_f16.bmodel
│ │ └─ detect_yolov5 ──────→ dog_f16.jpg
│ │
│ ├─ run_calibration → yolov5s_cali_table
│ └─ model_deploy (INT8) → yolov5s_1684x_int8_sym.bmodel
│ └─ detect_yolov5 ──────→ dog_int8_sym.jpg
| 文件 | 模型 | 量化类型 | 说明 |
|---|---|---|---|
dog_onnx.jpg | yolov5s.onnx | FP32 | 原始精度，基准对比 |
dog_f16.jpg | yolov5s_1684x_f16.bmodel | F16 | 半精度，精度损失极小 |
dog_int8_sym.jpg | yolov5s_1684x_int8_sym.bmodel | INT8 对称量化 | 最终部署格式，推理速度最快 |
结果图片由 CI 产出，存放于 results/ 目录。
见 .cnb.yml，push 后自动触发。
35/F,Tencent Building,Kejizhongyi Avenue,Nanshan District,Shenzhen
