提供三方模型到OpenHarmonyOS格式转换、性能基准测试、代码生成和算子修复工具。通过 MCP (Model Context Protocol) 为 AI Agent 提供标准化工具接口。

文件	最后提交记录	最后更新时间
.opencode	增加onnx2ms几种已识别的问题并给出解决方法	4 天前
ohos_model_claw	增加onnx2ms几种已识别的问题并给出解决方法	4 天前
tests	init project	4 天前
.gitignore	init project	4 天前
README.md	init project	4 天前
opencode.json	init project	4 天前
tools_format.json	init project	4 天前

OHOS Model Claw

HarmonyOS 模型转换工具集 - 提供 ONNX 到 MindSpore Lite (.ms) 格式转换、性能基准测试、代码生成和算子修复功能。通过 MCP (Model Context Protocol) 为 AI Agent 提供标准化工具接口。

核心功能

功能	描述	使用场景
模型转换	ONNX → MindSpore Lite (.ms) 格式	HarmonyOS 设备部署
模型量化	支持 INT8 量化	减小模型体积、提升推理速度
FP16 优化	Float32 → Float16 优化	减小模型体积、加速推理
性能测试	CPU/GPU/NPU 推理性能基准测试	模型优化、设备性能评估
代码生成	生成 HarmonyOS 项目集成代码	快速集成到应用
算子修复	自动修复 MindSpore Lite 不兼容算子	解决转换失败问题
模型信息查询	检查 ONNX 模型输入输出、动态 shape	转换前检测
错误分析	运行时错误诊断和修复建议	推理失败排查

系统要求

操作系统: Windows x64
Python: 3.8+ (需要 os.add_dll_directory() 支持)
运行库: Visual C++ Redistributable
磁盘空间: ~200MB (工具下载)

快速开始

1. 安装依赖

pip install -r ohos_model_claw/requirements.txt

2. 转换模型

# 基础转换
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output

# INT8 量化转换
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output --quant

3. 性能测试

python -m ohos_model_claw.ohos_model_claw benchmark model.ms --device CPU --threads 4

安装

依赖安装

pip install -r ohos_model_claw/requirements.txt

依赖列表:

requests>=2.28.0        # HTTP 下载工具包
mcp>=1.0.0              # MCP 协议实现
onnx>=1.14.0            # ONNX 模型操作
onnx_graphsurgeon>=0.3.0 # ONNX 图修改工具

工具自动安装

首次使用时，工具会自动从华为云镜像下载 MindSpore Lite Tools (~200MB) 到用户目录 ~/.ohos_model_claw/tools/。

手动检查工具状态:

python -m ohos_model_claw.ohos_model_claw status

使用方式

MCP Server (推荐)

MCP Server 为 AI Agent 提供标准化工具接口，支持异步任务执行。

配置 opencode.json:

{
  "mcp": {
    "ohos_model_claw": {
      "type": "local",
      "command": ["python", "-m", "ohos_model_claw.mcp_server"],
      "enabled": true,
      "timeout": 60000
    }
  }
}

优势:

AI Agent 可直接调用工具
支持异步任务执行
自动错误分析和修复建议
无需手动处理工具下载和配置

命令行工具 (CLI)

1. 模型转换

# 基础转换
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output

# INT8 量化转换
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output --quant

# FP16 优化转换
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output --fp16 on

# 数据格式转换 (NHWC → NCHW)
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output --inputDataFormat NCHW --outputDataFormat NCHW

# 动态 shape 固化
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output --inputShape "input:1,3,224,224"

# GPU 优化
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output --optimize gpu_oriented

# 组合使用所有参数
python -m ohos_model_claw.ohos_model_claw convert model.onnx --output_dir output --fp16 on --inputDataFormat NCHW --outputDataFormat NCHW --inputShape "input:1,3,224,224" --optimize general

参数说明:

参数	说明	默认值
`--output_dir`	输出目录	`output`
`--quant`	启用 INT8 量化	False
`--fp16`	on/off，Float16 优化	off
`--inputDataFormat`	NHWC/NCHW 输入格式	-
`--outputDataFormat`	NHWC/NCHW 输出格式	-
`--inputShape`	动态 shape 固化，格式: `input:1,3,224,224`	-
`--optimize`	none/general/gpu_oriented/ascend_oriented	general

2. 性能测试

# CPU 测试 (4线程)
python -m ohos_model_claw.ohos_model_claw benchmark model.ms --device CPU --threads 4

# GPU 测试
python -m ohos_model_claw.ohos_model_claw benchmark model.ms --device GPU

# NPU 测试
python -m ohos_model_claw.ohos_model_claw benchmark model.ms --device NPU

# 自定义迭代次数
python -m ohos_model_claw.ohos_model_claw benchmark model.ms --device CPU --loop_count 200

参数说明:

--device: 测试设备 (CPU, GPU, NPU)
--threads: CPU 线程数 (默认: 4)
--loop_count: 迭代次数 (默认: 100)

3. 代码生成

# 生成 HarmonyOS 项目代码
python -m ohos_model_claw.ohos_model_claw codegen model.ms --project_dir ./harmonyos_project --module entry

参数说明:

--project_dir: 项目输出目录
--module: HarmonyOS 模块名 (默认: entry)

4. 算子修复

# 自动检测并修复
python -m ohos_model_claw.ohos_model_claw op_fix model.onnx

# 指定算子类型
python -m ohos_model_claw.ohos_model_claw op_fix model.onnx --operators HardSigmoid HardSwish

# 指定输出文件
python -m ohos_model_claw.ohos_model_claw op_fix model.onnx --output_path model_fixed.onnx

参数说明:

--operators: 要替换的算子列表 (可选，默认自动检测)
--output_path: 输出文件路径 (可选)

5. 模型信息查询

# 查询模型信息
python -m ohos_model_claw.ohos_model_claw info model.onnx

# 输出示例:
# [INPUTS]
#   input: shape=[batch, 3, height, width], dtype=float32
# [OUTPUTS]
#   output: shape=[batch, 1000], dtype=float32
# [WARNING] 模型包含动态维度!
# [SUGGEST] --inputShape="input:1,3,224,224"

使用场景:

转换前检查模型是否有动态 shape
获取模型输入输出信息
查看模型数据类型

6. 运行时错误分析

# 分析错误日志字符串
python -m ohos_model_claw.ohos_model_claw runtime_analyze "Load model failed: unsupported op type HSwish"

# 从文件读取错误日志
python -m ohos_model_claw.ohos_model_claw runtime_analyze error.log

# 指定模型和设备上下文
python -m ohos_model_claw.ohos_model_claw runtime_analyze error.log --ms_path model.ms --device CPU

参数说明:

error_log: 错误日志字符串或文件路径
--ms_path: 模型文件路径 (可选，用于上下文分析)
--device: 设备类型 (可选，CPU/GPU/NPU)

输出示例:

[unsupported_operator]
  Diagnosis: 模型包含不支持的算子
  Confidence: HIGH
  Suggestions:
    1. 使用 op_fix 替换算子
    2. 重新转换模型

MCP 工具详解

工具列表

工具名称	描述	异步支持
`ohos_tool_status`	检查/安装 MindSpore Lite 工具	否
`ohos_convert`	ONNX 模型转换（支持 FP16、数据格式转换）	是
`ohos_benchmark`	性能基准测试	是
`ohos_codegen`	生成 HarmonyOS 集成代码	是
`ohos_op_fix`	修复不兼容算子	否
`ohos_model_info`	检查模型信息、动态 shape 检测	否
`ohos_runtime_analyze`	运行时错误分析	否
`ohos_task_status`	查询异步任务状态	否

工具调用示例

1. 检查工具状态

# 参数
{
    "install": true  # 如果工具未安装，自动下载安装
}

# 返回
{
    "installed": true,
    "converter_path": "C:/Users/.../converter_lite.exe",
    "benchmark_path": "C:/Users/.../benchmark.exe"
}

2. 转换模型

# 参数 (异步模式)
{
    "onnx_path": "model.onnx",
    "output_dir": "output",
    "quant": false,               # INT8 量化
    "fp16": "on",                 # Float16 优化
    "input_data_format": "NCHW",  # 输入数据格式
    "output_data_format": "NCHW", # 输出数据格式
    "input_shape": "input:1,3,224,224",  # 动态 shape 固化
    "optimize": "general",        # 优化类型
    "async_mode": true            # 默认 true
}

# 参数说明
| 参数 | 类型 | 默认值 | 说明 |
|------|------|--------|------|
| fp16 | string | "off" | on/off，Float16 优化减小模型体积 |
| input_data_format | string | - | NHWC/NCHW 输入数据格式转换 |
| output_data_format | string | - | NHWC/NCHW 输出数据格式转换 |
| input_shape | string | - | 动态 shape 固化，格式: `input:1,3,224,224` |
| optimize | string | "general" | none/general/gpu_oriented/ascend_oriented |

# 返回
{
    "task_id": "abc12345",
    "status": "started"
}

# 查询状态
ohos_task_status({"task_id": "abc12345"})

# 返回
{
    "status": "completed",
    "output_file": "output/model.ms",
    "error_analysis": {
        "has_errors": false,
        "operators_detected": []
    }
}

3. 性能测试

# 参数
{
    "ms_path": "model.ms",
    "device": "CPU",      # CPU | GPU | NPU
    "threads": 4,         # CPU 线程数
    "loop_count": 100     # 迭代次数
}

# 返回
{
    "avg_time_ms": 15.23,
    "fps": 65.6,
    "device": "CPU"
}

4. 算子修复

# 参数
{
    "onnx_path": "model.onnx",
    "output_path": "model_fixed.onnx",  # 可选
    "operators": ["HardSigmoid", "HardSwish"]  # 可选
}

# 返回
{
    "status": "completed",
    "output_path": "model_fixed.onnx",
    "operators_replaced": {
        "HardSigmoid": 12,
        "HardSwish": 8
    }
}

5. 模型信息查询

# 参数
{
    "onnx_path": "model.onnx"
}

# 返回
{
    "has_dynamic": true,
    "dynamic_inputs": ["input"],
    "suggested_input_shape": "input:1,3,224,224",
    "input_info": [
        {
            "name": "input",
            "shape": ["batch", 3, 224, 224],
            "dtype": "float32",
            "is_dynamic": true
        }
    ],
    "quant_note": "INT8量化需指定典型输入shape进行校准",
    "fp16_note": "FP16转换不受动态shape影响"
}

6. 运行时错误分析

# 参数
{
    "error_log": "Load model failed: unsupported op type HSwish",
    "ms_path": "model.ms",     # 可选，用于上下文分析
    "device": "CPU"            # 可选
}

# 或从文件读取
{
    "error_log": "error.log",  # 错误日志文件路径
    "ms_path": "model.ms",
    "device": "GPU"
}

# 返回
{
    "has_errors": true,
    "total_matches": 2,
    "matched_errors": [
        {
            "error_type": "unsupported_operator",
            "diagnosis": "模型包含不支持的算子类型",
            "confidence": "HIGH",
            "matched_patterns": ["HSwish"],
            "suggestions": [
                "使用 op_fix 替换 HardSwish 算子",
                "重新转换模型"
            ]
        },
        {
            "error_type": "model_load_failed",
            "diagnosis": "模型文件加载失败",
            "confidence": "MEDIUM",
            "suggestions": [
                "检查模型文件路径是否正确",
                "验证模型格式是否有效"
            ]
        }
    ]
}

算子修复支持

支持的算子

算子	数学公式	替换方案	描述
HardSigmoid	max(min(x*α+β, 1), 0)	Mul → Add → Min → Max	硬化 Sigmoid 激活函数
HardSwish	x * clip(x+3, 0, 6) / 6	Add → Clip → Div → Mul	MobileNetV3 常用激活
Swish/SiLU	x * sigmoid(x)	Sigmoid → Mul	自门控激活函数
Mish	x * tanh(ln(1+e^x))	Softplus → Tanh → Mul	平滑激活函数

修复流程

模型转换失败
    ↓
错误解析器检测问题算子
    ↓
建议使用 ohos_op_fix
    ↓
替换不兼容算子
    ↓
保存修复后的 ONNX
    ↓
重新转换
    ↓
成功输出 .ms 文件

自动修复示例

# 1. 转换失败
python -m ohos_model_claw.ohos_model_claw convert model.onnx
# 输出: [ERROR] Unsupported operator: HardSwish

# 2. 自动修复
python -m ohos_model_claw.ohos_model_claw op_fix model.onnx
# 输出: Replaced 8 HardSwish operators -> model_fixed.onnx

# 3. 重新转换
python -m ohos_model_claw.ohos_model_claw convert model_fixed.onnx
# 输出: Success! Output: model_fixed.ms

运行时错误分析

功能概述

运行时错误分析工具帮助诊断 MindSpore Lite 推理过程中的常见问题，提供针对性的修复建议。

支持的错误类型

错误类型	典型错误信息	诊断建议
模型加载失败	`Load model failed`	检查模型文件路径、格式是否正确
算子不支持	`Unsupported op type`	使用 `op_fix` 替换算子后重新转换
Shape 推理失败	`Shape infer failed`	使用 `info` 检查动态 shape，转换时指定 `--inputShape`
内存不足	`Out of memory`	减小 batch size，使用 FP16 或量化优化
设备不支持	`Device not supported`	确认设备支持 GPU/NPU，切换到 CPU 设备
量化失败	`Quantization failed`	检查校准数据，确保输入 shape 正确
输入输出不匹配	`Input/output mismatch`	检查数据格式（NHWC/NCHW），使用正确预处理
DLL 加载失败	`DLL load failed`	安装 VC++ Redistributable，检查环境变量

使用示例

CLI 使用

# 分析错误日志字符串
python -m ohos_model_claw.ohos_model_claw runtime_analyze "Load model failed: unsupported op type HSwish"

# 从文件读取错误日志
python -m ohos_model_claw.ohos_model_claw runtime_analyze runtime_error.log --ms_path model.ms --device GPU

MCP 使用

# 通过 MCP 调用
{
    "error_log": "Execute failed: shape infer error",
    "ms_path": "model.ms",
    "device": "CPU"
}

# 返回诊断结果
{
    "matched_errors": [
        {
            "error_type": "shape_infer_failed",
            "diagnosis": "输入数据 shape 与模型不匹配",
            "suggestions": [
                "使用 ohos_model_info 检查模型输入 shape",
                "benchmark 时使用 --inputShape 参数",
                "检查数据预处理流程"
            ]
        }
    ]
}

诊断流程

推理失败
    ↓
收集错误日志
    ↓
使用 runtime_analyze 分析
    ↓
识别错误类型
    ↓
┌─────┴─────┬─────────┬──────────┐
│           │         │          │
↓           ↓         ↓          ↓
算子不支持  Shape错误  设备错误   其他错误
│           │         │          │
↓           ↓         ↓          ↓
op_fix      inputShape 切换设备  查看建议
│           │         │          │
└─────┬─────┴─────────┴──────────┘
      ↓
重新推理
      ↓
成功

项目架构

目录结构

ohos_model_agent/
├── ohos_model_claw/              # 核心 Python 包
│   ├── __init__.py              # 包初始化
│   ├── mcp_server.py            # MCP 服务器实现
│   ├── ohos_model_claw.py       # CLI 命令行入口
│   ├── tool_manager.py          # MindSpore Lite 工具管理
│   ├── task_manager.py          # 异步任务管理
│   ├── error_parser.py          # 转换错误解析和算子检测
│   └── requirements.txt         # Python 依赖
│
├── .opencode/                    # OpenCode AI Agent 配置
│   ├── skills/                  # 技能定义目录
│   │   ├── onnx-converter-operator-fix/   # 转换算子修复技能
│   │   │   ├── SKILL.md         # 技能说明文档
│   │   │   └── scripts/
│   │   │       └── onnx_op_replace.py  # 算子替换实现
│   │   ├── onnx2ms-runtime-operator-fix/ # 运行时错误修复技能
│   │   │   ├── SKILL.md         # 技能说明文档
│   │   │   └── scripts/
│   │   │       └── runtime_error_analyzer.py  # 错误分析实现
│   │   ├── harmonyos-model-convert/  # 模型转换技能
│   │   │   └── SKILL.md
│   │   └── harmonyos-model-benchmark/  # 性能测试技能
│   │       └── SKILL.md
│   ├── opencode.json            # OpenCode 配置文件
│   └── package.json             # Node.js 依赖
│
├── tests/                        # 单元测试
│   ├── test_model_convert.py    # 模型转换测试
│   ├── test_model_benchmark.py  # 性能测试
│   ├── test_operator_fix.py     # 算子修复测试
│   ├── test_mcp_convert.py      # MCP 转换接口测试
│   ├── test_mcp_benchmark.py    # MCP benchmark 接口测试
│   ├── test_mcp_operator_fix.py # MCP 算子修复接口测试
│   ├── auto_test.py             # 自动化测试脚本
│   ├── model/                   # 测试模型
│   │   ├── convert/             # 转换测试模型
│   │   ├── benchmark/           # 性能测试模型
│   │   └── operator_fix/        # 算子修复测试模型
│   └── output/                  # 测试输出
│
├── input/                        # 输入目录 (用户模型)
├── output/                       # 输出目录 (转换结果)
│
└── README.md                    # 项目文档

核心模块

1. MCP Server (`mcp_server.py`)

提供 6 个 MCP 工具供 AI Agent 调用：

工具状态检查
模型转换（同步/异步）
性能测试
代码生成
算子修复
任务状态查询

2. Tool Manager (`tool_manager.py`)

MindSpore Lite 工具生命周期管理：

自动下载工具包 (~200MB)
SHA256 哈希验证
自动解压和安装
环境变量配置
DLL 加载路径设置

3. Task Manager (`task_manager.py`)

异步任务执行和状态跟踪：

任务创建和 UUID 生成
后台线程执行
状态管理 (PENDING/RUNNING/COMPLETED/FAILED)
任务结果缓存

4. Error Parser (`error_parser.py`)

转换错误分析和算子检测：

正则匹配错误模式
自动识别问题算子
生成修复建议

5. ONNX Op Replace (`onnx_op_replace.py`)

ONNX 图修改和算子替换：

使用 onnx-graphsurgeon 进行图操作
保持拓扑顺序
自动清理悬空节点

架构图

用户/AI Agent
      ↓
  MCP Server
      ↓
┌─────┴─────┬─────────┬──────────┐
│           │         │          │
↓           ↓         ↓          ↓
Tool      Task    Error     Op Fix
Manager   Manager  Parser   Script
│           │         │          │
└─────┬─────┴─────────┴──────────┘
      ↓
  CLI Entry (ohos_model_claw.py)
      ↓
  MindSpore Lite Tools
      ↓
  .ms Model File

开发指南

环境搭建

# 克隆项目
git clone <repository-url>
cd ohos_model_agent

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate  # Windows

# 安装依赖
pip install -r ohos_model_claw/requirements.txt

# 安装开发依赖
pip install pytest black flake8

运行测试

# 运行所有测试
python -m pytest tests/

# 运行特定测试
python -m pytest tests/test_ohos_model_claw.py -v

# 测试覆盖率
python -m pytest tests/ --cov=ohos_model_claw

添加新的算子支持

在 error_parser.py 中添加错误检测模式：

ERROR_PATTERNS = {
    # 添加新算子
    "new_op_error": {
        "pattern": r"Unsupported operator: NewOp",
        "operator": "NewOp"
    }
}

在 onnx_op_replace.py 中添加替换函数：

def replace_new_op_equivalent(graph, node):
    """替换 NewOp 为等价子图"""
    # 实现替换逻辑
    pass

在 fix_onnx_operators() 中注册：

OPERATOR_REPLACEMENTS = {
    "NewOp": replace_new_op_equivalent,
}

代码规范

# 格式化代码
black ohos_model_claw/

# 代码检查
flake8 ohos_model_claw/

# 类型检查 (如果使用)
mypy ohos_model_claw/

常见问题

1. 工具下载失败

问题: MindSpore Lite 工具下载超时或失败

解决:

# 手动下载
# 访问: https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.5.0/MindSpore/lite/release/windows/
# 下载: mindspore-lite-2.5.0-win-x64.zip

# 解压到用户目录
~/.ohos_model_claw/tools/mindspore-lite-2.5.0-win-x64/

2. DLL 加载失败

问题: ImportError: DLL load failed

解决:

安装 Visual C++ Redistributable
确保 Python 版本 ≥ 3.8

3. 转换失败

问题: 模型转换时出现算子不支持错误

解决:

# 使用算子修复工具
python -m ohos_model_claw.ohos_model_claw op_fix model.onnx

# 重新转换
python -m ohos_model_claw.ohos_model_claw convert model_fixed.onnx

4. 异步任务超时

问题: MCP 异步任务超时

解决:

增大 opencode.json 中的 timeout 值
使用 CLI 同步模式执行

5. 性能测试失败

问题: GPU/NPU 性能测试失败

解决:

确保设备支持 GPU/NPU
检查驱动是否正确安装
使用 CPU 模式测试

6. 动态 Shape 模型转换失败

问题: 转换或 benchmark 时提示 shape 错误

解决:

# 1. 查询模型信息，检测动态 shape
python -m ohos_model_claw.ohos_model_claw info model.onnx

# 2. 根据建议使用 inputShape 参数
python -m ohos_model_claw.ohos_model_claw convert model.onnx --inputShape "input:1,3,224,224"

# 3. benchmark 时也需要指定 inputShape
python -m ohos_model_claw.ohos_model_claw benchmark model.ms --inputShape "input:1,3,224,224"

7. 运行时推理失败

问题: .ms 模型推理时报错

解决:

# 1. 分析错误日志
python -m ohos_model_claw.ohos_model_claw runtime_analyze "error message"

# 或从文件读取
python -m ohos_model_claw.ohos_model_claw runtime_analyze error.log --ms_path model.ms --device CPU

# 2. 根据诊断建议修复
# - 算子不支持：使用 op_fix 修复
# - Shape 不匹配：检查数据预处理
# - 设备不支持：切换设备类型

贡献指南

欢迎贡献代码、报告问题或提出建议！

贡献流程

Fork 本项目
创建功能分支 (git checkout -b feature/amazing-feature)
提交更改 (git commit -m 'Add amazing feature')
推送到分支 (git push origin feature/amazing-feature)
创建 Pull Request

代码贡献规范

遵循 PEP 8 代码风格
添加必要的单元测试
更新相关文档
确保所有测试通过

Bug 报告

请包含以下信息：

操作系统和版本
Python 版本
错误信息和堆栈跟踪
复现步骤

许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

致谢

MindSpore Lite - 华为昇腾 AI 推理引擎
ONNX - 开放神经网络交换格式
onnx-graphsurgeon - ONNX 图修改工具
MCP - Model Context Protocol

联系方式

问题反馈: GitHub Issues
功能建议: GitHub Discussions

注意: 本项目目前仅支持 Windows x64 平台。Linux 和 macOS 支持计划在未来版本中推出。

项目介绍

提供三方模型到OpenHarmonyOS格式转换、性能基准测试、代码生成和算子修复工具。通过 MCP (Model Context Protocol) 为 AI Agent 提供标准化工具接口。

下载使用量

项目总下载次数（含Clone、Pull、 zip 包及 release 下载），每日凌晨更新

语言类型

Python100%

model-claw:基于 HarmonyOS 的模型转换工具集项目

OHOS Model Claw

目录

核心功能

系统要求

快速开始

1. 安装依赖

2. 转换模型

3. 性能测试

安装

依赖安装

工具自动安装

使用方式

MCP Server (推荐)

命令行工具 (CLI)

1. 模型转换

2. 性能测试

3. 代码生成

4. 算子修复

5. 模型信息查询

6. 运行时错误分析

MCP 工具详解

工具列表

工具调用示例

1. 检查工具状态

2. 转换模型

3. 性能测试

4. 算子修复

5. 模型信息查询

6. 运行时错误分析

算子修复支持

支持的算子

修复流程

自动修复示例

运行时错误分析

功能概述

支持的错误类型

使用示例

CLI 使用

MCP 使用

诊断流程

项目架构

目录结构

核心模块

1. MCP Server (mcp_server.py)

2. Tool Manager (tool_manager.py)

3. Task Manager (task_manager.py)

4. Error Parser (error_parser.py)

5. ONNX Op Replace (onnx_op_replace.py)

架构图

开发指南

环境搭建

运行测试

添加新的算子支持

代码规范

常见问题

1. 工具下载失败

2. DLL 加载失败

3. 转换失败

4. 异步任务超时

5. 性能测试失败

6. 动态 Shape 模型转换失败

7. 运行时推理失败

贡献指南

贡献流程

代码贡献规范

Bug 报告

许可证

致谢

联系方式

项目介绍

下载使用量

语言类型

目录

1. MCP Server (`mcp_server.py`)

2. Tool Manager (`tool_manager.py`)

3. Task Manager (`task_manager.py`)

4. Error Parser (`error_parser.py`)

5. ONNX Op Replace (`onnx_op_replace.py`)