← 返回模型目录

分割

FastSAM-S

FastSAM-S，使用 Model Farm 官方预处理与样例，逐板卡验证。

部署到自己的板卡

QCS6490: 13.8msW8A8
QCS8550: 8.9msW8A16
IQ9: 适配中
IQ8: 11msW8A16

运行效果

样例输入

机房真机 QCS8550 · W8A16 · 处理耗时 15.2 ms

板卡实测

真机处理时延的中位数。多阶段模型计入各阶段处理，生成模型的耗时受输入和输出长度影响。

板卡	精度	速度	FPS	峰值内存
QCS6490	W8A8默认	13.8 ms	72.7	357 MB
QCS6490	W8A16	34.5 ms	29	357 MB
QCS8550	W8A16默认	8.9 ms	113	114 MB
	FP16	15.2 ms	65.8	208 MB
	W8A8	5 ms	202	118 MB
IQ9QCS9075	W8A16	适配中	—	—
	FP16	适配中	—	—
	W8A8	适配中	—	—
IQ8QCS8275	W8A16默认	11 ms	91.3	181 MB
	FP16	19.7 ms	50.9	193 MB
	W8A8	7.3 ms	137.9	180 MB

部署指南

1
在工作流中跑通
用样例或自己的输入在机房的QCS8550 上运行，确认结果和速度。
2
导出工程
在工作流右上角选择「导出」，下载工程包。模型与样例按 sha256 锁定，前后处理与网站运行时一致。
3
在板卡上安装运行库
把工程拷到QCS8550（ARM64、Python 3.10 的 AidLux 环境，AidLux ≥ 2.0），在工程目录下载并校验已验证的配套运行库。
```
python3 install-sdk.py
```
4
只需要模型文件？
各板卡的构建也发布在 Hugging Face ↗，按芯片下载，文件与工程包中的完全一致。
```
hf download APLUX-Agora/FastSAM-S --include "targets/QCS8550/*" --local-dir ./resources
```
5
运行
结果写入 outputs/，并打印每块积木的耗时。工程通过官方 AidLite 接口加载模型，代码完整随包提供。
```
python3 app/pipeline.py --sdk-root .sdk --input 你的文件
```

AidLux 开发文档 ↗

规格

任务: 分割
输入尺寸: 640×640
来源: Model Farm
许可证: AGPL-3.0
版本: 1.0.0

浏览用到它的原型 →