6.1. 样例说明

ModelZoo提供的网络模型样例所展示的功能如下表所示：

注意

AArch64 架构不支持模型量化和编译操作。用户需要使用编译后二进制模型文件（.hmm或.hmms）在AArch64架环境中推理。

表 6.1 ModelZoo网络模型样例展示功能说明

网络名称	PTQ量化	模型编译	模型推理 （C++）	模型推理 （Python）	精度评测	性能评测	Hmatc辅助 开发工具
ResNet50	✓	✓	X	✓	✓	✓	✓
MobileNetV2	✓	✓	X	✓	✓	✓	✓
EfficientNet	✓	✓	X	✓	✓	✓	✓
YOLOv3	✓	✓	X	✓	✓	✓	✓
YOLOP	✓	✓	X	✓	X	✓	✓
YOLOv5s	✓	✓	X	✓	✓	✓	✓
YOLOv8m	✓	✓	X	✓	✓	✓	✓
YOLO12m	✓	✓	X	✓	✓	✓	✓
YOLOv8m-pose	✓	✓	X	✓	✓	✓	✓
DeepSeek	✓	✓	X	✓	X	✓	X
Qwen3	✓	✓	X	✓	X	✓	X
LPRNet	✓	✓	X	✓	✓	✓	✓
YOLOv8m_seg	✓	✓	X	✓	✓	✓	✓
ViT-B-16	✓	✓	X	✓	✓	✓	✓
YOLOv5s_feature	✓	✓	X	✓	✓	✓	✓
Gemma-4-26B-A4B	✓	✓	X	✓	X	✓	X
Qwen2.5-vl	✓	✓	X	✓	X	✓	X
PP-OCRv3	✓	✓	X	✓	✓	✓	✓
BGE	✓	✓	X	✓	X	X	X
GTE	✓	✓	X	✓	X	X	X
Whisper-Medium	✓	✓	✓	✓	X	X	X
yolov8m-cls	✓	✓	X	✓	✓	✓	✓
yolov5m_face	✓	✓	X	✓	✓	✓	✓
yolov7	✓	✓	X	✓	✓	✓	✓
yolov9m	✓	✓	X	✓	✓	✓	✓
yolo11m	✓	✓	X	✓	✓	✓	✓
yolov10m	✓	✓	X	✓	✓	✓	✓
yolox	✓	✓	X	✓	✓	✓	✓
yolo26m	✓	✓	X	✓	✓	✓	✓
minicpmo	✓	✓	X	✓	X	X	X
qwen3-vl	✓	✓	✓	✓	X	✓	X
qwen3-30b-a3b	✓	✓	X	✓	X	✓	X
gpt-oss	X	✓	X	✓	X	✓	X
sensevoice	✓	✓	X	✓	X	X	X
glm-asr	✓	✓	X	✓	X	✓	X
qwen3-asr	✓	✓	X	✓	X	✓	X
whisper-turbo	✓	✓	X	✓	X	X	X
qwen3-embedding	✓	✓	X	✓	X	X	X
qwen2.5	✓	✓	X	✓	X	✓	X
qwen3.5	✓	✓	X	✓	X	✓	X
qwen3.6	✓	✓	X	✓	X	✓	X
CoPaw-Flash	✓	✓	X	✓	X	✓	X
glm-ocr	✓	✓	X	✓	X	X	X
cosyvoice3	✓	✓	✓	✓	X	✓	X
qwen3-reranker	✓	✓	X	✓	X	X	X

ModelZoo只提供上表中的网络模型样例，其他网络模型，暂不提供样例。ResNet50、MobileNetV2、YOLOv5s、YOLOv8m和YOLOP等模型示例通过Hmatc辅助开发工具展示PTQ量化、模型编译、模型推理、精度评测以及性能评测。

6.2. 环境准备

执行下面步骤完成运行环境部署，所有样例默认适配最新版本软件平台：

1. 安装和部署Docker开发环境。

2. 在Docker镜像中下载应用开发示例包。

   1. 登录后摩开发者社区。

   2. 在 请先选择板级类别 下拉列表中选择使用的后摩板级产品。

   3. 在版本列表中选择下载的版本号，再在 AI模型类别筛选器 、平台架构筛选器 、操作系统筛选器 下拉菜单中分别选择AI模型类型、平台架构和操作系统，找到资源名为示例代码的下载资源，选中该资源左边复选框。

   4. 点击 直接下载、wget链接、批量直接下载 或 wget批量下载 按钮。

   ModelZoo模型库位于 houmo-examples-xh2/models 目录下。

3. 检查 houmo-examples-xh2/env.sh 中环境变量设置：

   • 根据实际情况修改环境变量的值，例如如果更换数据集路径，则修改 HOUMO_DATASETS_PATH 变量。

   • 初始时脚本会自动检测当前是否有可用的后摩设备。如果有，则会自动设置使用该后摩设备评测模型，否则会设置使用模拟器评测模型。用户可通过 HDPL_PLATFORM环境变量修改评测平台。

   环境变量详情参看 ModelZoo环境变量列表。

4. 在 houmo-examples-xh2 目录下，执行下面指令配置运行环境：

   source env.sh
   

5. 如果在AArch64 架构：不支持模型量化和编译操作，用户可以直接使用提供的已编译模型进行推理。

6.2.1. 环境变量

表 6.2 ModelZoo环境变量

环境变量名称	描述	默认值
HOUMO_TARGET	ModelZoo中模型编译和推理使用的后摩设备。	xh2
HOUMO_DATASETS_PATH	ModelZoo数据库存放目录。	houmo-examples-xh2/data/datasets
HOUMO_MODELZOO_URL	ModelZoo中模型下载根目录。	http://139.224.0.199:8082/artifactory/houmo/ release

6.3. 模型获取

ModelZoo提供原始模型和量化模型。用户可根据需求对原始模型量化，或直接使用已量化模型做模型推理。

ModelZoo提供的各网络模型的类型及原始模型如下表所示：

表 6.3 ModelZoo网络模型的类型及原始模型

网络名称	原始模型	量化后模型	预编译模型	原始模型来源
ResNet50	✓	X	✓	ResNet50 torchvision 模型
MobileNetV2	✓	X	✓	MobileNetV2 torchvision 模型
EfficientNet	✓	X	✓	EfficientNet torchvision模型
YOLOP	✓	X	✓	YOLOP 模型
YOLOv3	✓	X	✓	YOLOv3 模型
YOLOv5s	✓	X	✓	YOLOv5s 模型
YOLOv8m	✓	X	✓	YOLOv8m 模型
YOLO12m	✓	X	✓	YOLO12m 模型
YOLOv8m-pose	✓	X	✓	YOLOv8m-pose模型
DeepSeek	✓	X	✓	DeepSeek-R1-0528-Qwen3-8B模型
Qwen3-8B	✓	X	✓	Qwen3-8B模型
Qwen3-14B	✓	X	✓	Qwen3-14B模型
Qwen3-0.6B	✓	X	✓	Qwen3-0.6B模型
Qwen3-1.7B	✓	X	✓	Qwen3-1.7B模型
LPRNet	✓	X	✓	-
ViT-B-16	✓	X	✓	-
YOLOv8m_seg	✓	X	✓	YOLOv8m_seg模型
YOLOv5s_feature	✓	X	✓	-
Gemma-4-26B-A4B	✓	X	✓	Gemma-4-26B-A4B模型
Qwen2.5-vl	✓	X	✓	Qwen2.5-vl模型
Qwen3-vl	✓	X	✓	Qwen3-vl模型
GTE	✓	X	✓	-
Whisper-Medium	✓	X	✓	-
YOLOv8m-cls	✓	X	✓	YOLOv8m-cls模型
YOLOv5m_face	✓	X	✓	YOLOv5m_face模型
PP-OCRv3	✓	X	✓	PP-OCRv-Det模型 PP-OCRv-Rec模型
BGE	✓	X	✓	BGE-M3模型 BGE-Reranker模型
YOLOv7	✓	X	✓	YOLOv7模型
YOLOv9m	✓	X	✓	YOLOv9m模型
YOLOv10m	✓	X	✓	YOLOv10m模型
YOLO11m	✓	X	✓	YOLO11m模型
YOLOX	✓	X	✓	YOLOX模型
YOLO26m	✓	X	✓	YOLO26m模型
qwen3-30b-a3b	✓	X	✓	Qwen3-30B-a3B模型
minicpmo	✓	X	✓	MiniCPMO模型
gpt-oss	✓	X	✓	-
sensevoice	✓	X	✓	SenseVoiceSmall模型
glm-asr	✓	X	✓	GLM-ASR-Nano-2512模型
qwen3-asr	✓	X	✓	Qwen3-ASR模型
whisper-turbo	✓	X	✓	whisper-turbo模型
qwen3-embedding	✓	X	✓	Qwen3-Embedding模型
qwen2.5	✓	X	✓	qwen2.5-7B模型
qwen3.5-0.8B	✓	X	✓	qwen3.5-0.8B模型
qwen3.5-2B	✓	X	✓	qwen3.5-2B模型
qwen3.5-4B	✓	X	✓	qwen3.5-4B模型
qwen3.5-9B	✓	X	✓	qwen3.5-9B模型
qwen3.5-27B	✓	X	✓	qwen3.5-27B模型
qwen3.5-35B-A3B	✓	X	✓	qwen3.5-35B-A3B模型
Qwen3.6-35B-A3B	✓	X	✓	Qwen3.6-35B-A3B模型
CoPaw-Flash	✓	X	✓	CoPaw-Flash模型
glm-ocr	✓	X	✓	GLM-OCR模型
cosyvoice3	✓	X	✓	-
qwen3-reranker	✓	X	✓	Qwen3-Reranker模型

环境准备后，在 MODELZOO_PATH/models/network_type/network_name 目录下，运行下面指令下载模型。network_type 为网络模型类型，如 diffusion、llm。network_name 为网络名称，如 qwen3。

python3 get_model.py --type [options] --model_size <size> --source_type modelscope

其中参数取值如下：

• options：

  • raw：原始网络模型。

  • hmm：后摩TCIM编译后生成的二进制模型文件（.hmm或.hmms）。

• --model_size <size>：（可选）仅部分模型适用，用于指定待下载模型的参数规模。 <size> 的取值可为2b、4b、9b、27b等，不同模型支持的取值不同，具体以对应示例目录中的 README.md 说明为准。

• --source_type modelscope：（可选）从魔塔社区下载模型。当前仅支持下载后摩TCIM编译后生成的二进制模型文件。可参看示例目录中的 README.md 文件，了解示例是否支持该功能。

模型下载后默认存放在当前目录下。

6.4. 数据集准备

ModelZoo提供少量数据供简单验证，如果需要测试真实精度，需要下载完整数据集。

通过 HOUMO_DATASETS_PATH 环境变量设置数据集实际路径，默认为 MODELZOO_PATH/data/datasets。

表 6.4 数据集准备

网络名称	数据集名称	路径
ResNet50	ImageNet 2012	https://image-net.org/challenges/LSVRC
MobileNetV2
EfficientNet
YOLOv8m-cls
YOLOv3	COCO 2017	https://cocodataset.org/#download
YOLOv5s
YOLOv8m
YOLO12m
YOLOv8m-pose
YOLOv5s_feature
YOLOv8m_seg
YOLOv7
YOLOv9m
YOLOv10m
YOLO11m
YOLOX
YOLO26m
YOLOv5m_face	WIDER FACE	http://shuoyang1213.me/WIDERFACE/
YOLOP	BDD100K	https://bdd-data.berkeley.edu/
DeepSeek	wikitext-2-raw-v1	https://www.modelscope.cn/datasets/modelscope/wikitext
Qwen3
Qwen2.5
Qwen3.5
Qwen3.6
gpt-oss
qwen3-embedding
qwen3-30b-a3b
Gemma-4-26B-A4B	-	-
Qwen2.5-vl	-	-
Qwen3-vl	-	-
ViT-B-16	ILSVRC2012	https://image-net.org/challenges/LSVRC/2012/index.php
LPRNet	CCPD2019Sub	https://github.com/detectRecog/CCPD
PP-OCRv	CCPD2020_PPOCR v3_eval	CCPD2020_PPOCRv3_eval.tar.gz
BGE	-	-
GTE	-	-
Whisper-Medium	-	-
minicpmo	-	-
sensevoice	-	-
glm-asr	-	-
qwen3-asr	-	-
whisper-turbo	-	-
glm-ocr	-	-
cosyvoice3	-	-
CoPaw-Flash	-	-
qwen3-reranker	T2Reranking	https://modelscope.cn/datasets/C-MTEB/T2Reranking