# MindAcc **Repository Path**: hust-openharmony-club/mindacc ## Basic Information - **Project Name**: MindAcc - **Description**: 鸿蒙AI推理网络的精度自动对比工具 - 自动对比ONNX和MindSpore Lite算子推理精度，辅助定位精度误差引入位置 - **Primary Language**: Python - **License**: MIT - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 4 - **Created**: 2024-10-24 - **Last Updated**: 2025-09-16 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # MindAcc MindAcc 是一个用于对比 MindSpore Lite 与 ONNX 模型推理结果的工具，支持模型转换、随机输入生成、推理运行、对比分析等功能。 onnx 模型中间输出的 dump 能力亦开源并发布在PyPI作为本项目依赖，项目仓库 [onnxdumper](https://gitee.com/noiatrio/onnxdumper)，PyPI地址 [onnxdumper](https://pypi.org/project/onnxdumper/)。 ## 演示视频、设计文档、PPT [README.assets/vedio.mp4](https://gitee.com/noiatrio/mindacc/blob/master/README.assets/vedio.mp4) [README.assets/mindacc.doc](https://gitee.com/noiatrio/mindacc/blob/master/README.assets/mindacc%E5%BC%80%E5%8F%91%E8%AE%BE%E8%AE%A1%E6%96%87%E6%A1%A3.docx) [README.assets/mindacc.pptx](https://gitee.com/noiatrio/mindacc/blob/master/README.assets/mindacc.pptx) ## 安装 1. 克隆仓库： ```sh git clone https://gitee.com/noiatrio/mindacc cd mindacc ``` 2. 安装 python 依赖： 使用 `python venv`： ```sh python -m venv mindacc source mindacc/bin/activate pip install -r requirements.txt ``` 使用 `conda`： ```sh conda env create -f environment.yml conda activate mindacc ``` 3. 获取 `mslite` 运行环境： - 下载 [MindSpore Lite 端侧运行环境](https://www.mindspore.cn/lite/docs/zh-CN/master/use/downloads.html)（包含convert与带导出功能的benchmark工具），将 `mindspore-lite-2.3.1-linux-x64` 置于当前目录下即可。 - 相关环境变量将只在 `main.ipynb` 中自动设置，并在 `mindacc` 运行的python环境中生效，无需手动设置。 - 环境变量设置详细信息请参考 [convert](https://www.mindspore.cn/lite/docs/zh-CN/master/train/converter_train.html)， [benchmark](https://www.mindspore.cn/lite/docs/zh-CN/master/tools/benchmark_tool.html#dump功能)。 ## 使用方法 运行 `main.ipynb`： - 使用 Jupyter Notebook 或 Jupyter Lab 打开 `main.ipynb` 文件。 - 点击“运行所有”按钮运行所有代码单元格。 - 在浏览器中打开 Gradio 界面，即可使用 MindAcc 工具。 ## 主要功能 - **模型转换**：支持将 ONNX 模型转换为 MindSpore Lite 模型。 - **随机输入生成**：自动生成随机输入数据。 - **推理运行**：运行 MindSpore Lite 和 ONNX 模型推理。 - **对比分析**：对比推理结果，支持多种分析指标，支持可视化对比结果。 - **自定义映射**：支持自定义算子映射。 ## 示例 ![img1](README.assets/image1.png) ![img2](README.assets/image2.png) ![img3](README.assets/image3.png) ![img4](README.assets/image4.png) ## 目录结构 ``` mindacc ├─ .gitignore ├─ LICENSE ├─ mindspore-lite-2.3.1-linux-x64 // MindSpore Lite 端侧运行环境 ├─ input // 模型输入数据 ├─ output // 模型输出数据 ├─ model // 模型文件 ├─ README.assets // README.md 图片等资源 ├─ README.md // 项目说明文档 ├─ environment.yml // conda 环境配置文件 ├─ main.ipynb // 主程序 └─ requirements.txt // python 依赖 ``` ``` main.ipynb ├─ Import & Config // 导入模块与配置 │ ├─ import // 导入模块 │ ├─ logger // 日志配置 │ └─ mslite_config // MindSpore Lite 环境配置 ├─ Class MindAcc Model // 模型管理 │ ├─ load // 加载模型 │ ├─ run_ms_converter // 运行模型转换 │ ├─ input_generate // 生成随机输入 │ ├─ input_load // 加载输入数据 │ ├─ run_ms_dump // 运行 MindSpore Lite 推理 │ └─ run_onnx_dump // 运行 ONNX 推理 ├─ Class MindAcc Mapper // 映射器 │ ├─ get_ms_bin_info // 获取 mslite 输出文件信息 │ ├─ read_ms_output // 读取 mslite 输出文件夹 │ ├─ simple_map // 简单映射 │ └─ get_map_result // 获取映射结果 ├─ Class MindAcc Analyzer // 分析器 │ ├─ cosine_similarity // 余弦相似度 │ ├─ relative_euclidean_distance // 相对欧氏距离 │ ├─ max_absolute_error // 最大绝对误差 │ ├─ mean_absolute_error // 平均绝对误差 │ ├─ root_mean_square_error // 均方根误差 │ ├─ max_relative_error // 最大相对误差 │ ├─ mean_relative_error // 平均相对误差 │ ├─ accumulated_relative_error // 累积相对误差 │ ├─ standard_deviation // 标准差 │ └─ kullback_leibler_divergence // KL散度 └─ Gradio Interface // Gradio 界面 ├─ process_model // 函数绑定 ├─ process_input ├─ random_input ├─ run_infer ├─ run_map ├─ run_compare ├─ gr.Blocks // Gradio 布局组件 └─ launch // Gradio 启动 ``` ## 许可证 本项目基于 MIT 许可证，详情请参阅 [LICENSE](LICENSE) 文件。 ## 贡献 欢迎贡献代码！请提交 Pull Request 或报告 Issue。