Acuity Simulator 硬件一致性验证

本项目运行 Acuity VSim/libEmulator，并以 PNNA 板卡为参考，验证 Simulator 对硬件推理输出的复现程度。提供运行脚本、三方 tensor 采集与比较工具、可视化和可追溯实验资产；Inference 用于辅助定位差异。

当前结果

已归档 7 个模型的三方结果，覆盖分类和检测，主量化类型为 asymu8，板卡目标为 VIP8000。已测样本的 Simulator / PNNA tensor 余弦相似度最低为 **99.7630%**。

模型	Simulator / PNNA cosine
Caffe LeNet	1.000000
TensorFlow LeNet	1.000000
Inception-v1	0.997649
MobileNet-v2（std=255）	0.999831
ResNet50	0.999055
YOLOv4-tiny（多头合并）	0.997630
YOLOv8s	0.999916

完整误差表、证据和限制见 多模型验证结果，模型来源及未完成项目见 覆盖矩阵。这些数值是 tensor 相似度，不是分类准确率；后处理 accuracy 的完整测量证据待补齐。YOLOv5s 旧数据因目标配置待复核，未计入上述汇总。

使用入口

要做什么	入口
运行 Simulator	环境准备 → 运行指南
验证与板卡的一致性	验证方法 → 执行验证
查看结果与异常	结果汇总 → 案例分析
了解项目原理	项目范围 → 导出与执行机制

从仓库根目录运行已导出的 VIP8000 工程：

export NETRANS_VSIM_SDK=<prebuilt-sdk/x86_64_linux>
export VSIMULATOR_CONFIG=VIP8000NANOQI_PLUS_PID0XB1
scripts/run_vsim_export.sh <导出工程绝对路径> <可执行文件名> <输入tensor绝对路径>

需要外部 Acuity Python 环境、匹配目标的 SDK 和生成工程；板卡采集还需要 PNNA JSON-RPC 服务。完整前置条件见运行指南。

输出分布示例

下图为 YOLOv5s 三头合并的三方 uint8 分布，展示报告形式；该历史样本的目标配置仍待复核，详见 案例记录。

仓库结构

• docs/：指南、方法、当前结果、案例与历史记录。
• scripts/：运行、板卡采集、离线比较及绘图脚本。
• artifacts/：模型、输入输出、元数据、指标与图片。
• acuity/：工具脚本与 LeNet 示例；不包含外部 vendor SDK。
• reference/：官方资料摘录。
• yolov5s_dfpi16/、gen_fake_data/：既有量化案例和输入生成工具。

脚本和实验资产路径保持稳定。当前证据以已测模型和样本为限，不能据此推断全部算子、量化类型或硬件性能均已验证。