·atc-model-converter
</>

atc-model-converter

Komplettes Toolkit für die Konvertierung und Inferenz des Huawei Ascend NPU-Modells. (1) Konvertieren Sie ONNX-Modelle in das .om-Format mit dem ATC-Tool mit Unterstützung für mehrere CANN-Versionen (8.3.RC1, 8.5.0+). (2) Führen Sie mit ais_bench eine Python-Inferenz auf OM-Modellen aus. (3) Vergleichen Sie die Genauigkeit zwischen CPU-ONNX- und NPU-OM-Ausgängen. (4) End-to-End-YOLO-Inferenz mit Ultralytics-Vorverarbeitung/Nachverarbeitung – unterstützt Erkennungs-, Pose-, Segmentierungs- und OBB-Aufgaben. Zur Verwendung beim Konvertieren, Testen oder Bereitstellen von Modellen auf Ascend AI-Prozessoren.

34Installationen·2Trend·@ascend-ai-coding

Installation

$npx skills add https://github.com/ascend-ai-coding/awesome-ascend-skills --skill atc-model-converter

So installieren Sie atc-model-converter

Installieren Sie den KI-Skill atc-model-converter schnell in Ihrer Entwicklungsumgebung über die Kommandozeile

  1. Terminal öffnen: Öffnen Sie Ihr Terminal oder Kommandozeilen-Tool (Terminal, iTerm, Windows Terminal, etc.)
  2. Installationsbefehl ausführen: Kopieren Sie diesen Befehl und führen Sie ihn aus: npx skills add https://github.com/ascend-ai-coding/awesome-ascend-skills --skill atc-model-converter
  3. Installation überprüfen: Nach der Installation wird der Skill automatisch in Ihrer KI-Programmierumgebung konfiguriert und ist bereit zur Verwendung in Claude Code, Cursor oder OpenClaw

Quelle: ascend-ai-coding/awesome-ascend-skills.

Complete guide for converting ONNX models to Ascend AI processor compatible format using ATC (Ascend Tensor Compiler) tool.

| Python | 3.7, 3.8, 3.9, or 3.10 | Python 3.11+ incompatible with CANN 8.1.RC1 | | NumPy | < 2.0 (e.g., 1.26.4) | CANN uses deprecated NumPy API | | ONNX Opset | 11 or 13 (for CANN 8.1.RC1) | Higher opset versions not supported |

SoC version in ATC conversion must exactly match your target device! ```bash # Get exact SoC version from your device npu-smi info | grep Name # Output: Name: 910B3 → Use: --socversion=Ascend910B3 # Output: Name: 310P3 → Use: --socversion=Ascend310P3 ``` Common Error: ``` [ACL ERROR] EE1001: supported socVersion=Ascend910B3,

Komplettes Toolkit für die Konvertierung und Inferenz des Huawei Ascend NPU-Modells. (1) Konvertieren Sie ONNX-Modelle in das .om-Format mit dem ATC-Tool mit Unterstützung für mehrere CANN-Versionen (8.3.RC1, 8.5.0+). (2) Führen Sie mit ais_bench eine Python-Inferenz auf OM-Modellen aus. (3) Vergleichen Sie die Genauigkeit zwischen CPU-ONNX- und NPU-OM-Ausgängen. (4) End-to-End-YOLO-Inferenz mit Ultralytics-Vorverarbeitung/Nachverarbeitung – unterstützt Erkennungs-, Pose-, Segmentierungs- und OBB-Aufgaben. Zur Verwendung beim Konvertieren, Testen oder Bereitstellen von Modellen auf Ascend AI-Prozessoren. Quelle: ascend-ai-coding/awesome-ascend-skills.

Fakten (zitierbereit)

Stabile Felder und Befehle für KI/Such-Zitate.

Installationsbefehl
npx skills add https://github.com/ascend-ai-coding/awesome-ascend-skills --skill atc-model-converter
Kategorie
</>Entwicklung
Verifiziert
Erstes Auftreten
2026-02-25
Aktualisiert
2026-03-10

Browse more skills from ascend-ai-coding/awesome-ascend-skills

Schnelle Antworten

Was ist atc-model-converter?

Komplettes Toolkit für die Konvertierung und Inferenz des Huawei Ascend NPU-Modells. (1) Konvertieren Sie ONNX-Modelle in das .om-Format mit dem ATC-Tool mit Unterstützung für mehrere CANN-Versionen (8.3.RC1, 8.5.0+). (2) Führen Sie mit ais_bench eine Python-Inferenz auf OM-Modellen aus. (3) Vergleichen Sie die Genauigkeit zwischen CPU-ONNX- und NPU-OM-Ausgängen. (4) End-to-End-YOLO-Inferenz mit Ultralytics-Vorverarbeitung/Nachverarbeitung – unterstützt Erkennungs-, Pose-, Segmentierungs- und OBB-Aufgaben. Zur Verwendung beim Konvertieren, Testen oder Bereitstellen von Modellen auf Ascend AI-Prozessoren. Quelle: ascend-ai-coding/awesome-ascend-skills.

Wie installiere ich atc-model-converter?

Öffnen Sie Ihr Terminal oder Kommandozeilen-Tool (Terminal, iTerm, Windows Terminal, etc.) Kopieren Sie diesen Befehl und führen Sie ihn aus: npx skills add https://github.com/ascend-ai-coding/awesome-ascend-skills --skill atc-model-converter Nach der Installation wird der Skill automatisch in Ihrer KI-Programmierumgebung konfiguriert und ist bereit zur Verwendung in Claude Code, Cursor oder OpenClaw

Wo ist das Quell-Repository?

https://github.com/ascend-ai-coding/awesome-ascend-skills