---
title: TarDAL
canonical_url: "https://www.modelscope.cn/models/AIBS/TarDAL"
md_url: "https://www.modelscope.cn/models/AIBS/TarDAL.md"
repository: AIBS/TarDAL
last_updated: 2026-01-06
pipeline_tag: image-face-fusion
tasks:
- image-face-fusion
library_name:
- pytorch
frameworks:
- Pytorch
downloads: 3
stars: 0
---
# TarDAL
> TarDAL - AIBS 在 ModelScope 开源的模型。本分支上的模型库文件与 icraft3.31.0 版本适配，部署时对应使用 25060601 版本位流，硬件后端 仅 支持 BUYI，即：
- **Repository**: AIBS/TarDAL
- **Tasks**: image-face-fusion
- **Downloads**: 3
- **Stars**: 0
- **Last updated**: 2026-01-06
Source: https://www.modelscope.cn/models/AIBS/TarDAL
---
# TarDAL
 
本分支上的模型库文件与 ***icraft3.31.0*** 版本适配，部署时对应使用 ***25060601*** 版本位流，硬件后端 **仅** 支持 ***BUYI***，即：
1. 各模型`2_compile/config`目录下 **仅支持** 编译 ***`BY`*** 文件夹下的toml文件；
2. 各模型`3_deploy/modelzoo/MODEL/cfg`目录下的yaml文件中， **`run_backend`** 字段 **仅支持** 配置为 ***`host`*** 或 ***`buyi`*** 。
3. 模型下载后，切换至对应版本分支后执行
```powershell
# 在模型根目录下
git submodule update --init
```
# 0. 文件结构说明
AI部署模型需要以下几部分文件
- 0_TarDAL-main >模型原始工程，需要自行下载
- weights >存放原始权重，需要自行下载
- 1_scripts >若干脚本，用于保存Icraft编译器需要的模型、编译后仿真等功能
- 2_compile >Icraft编译器编译模型时所需要的文件
- 3_deploy >将Icraft编译器编译出的模型部署到硬件时需要的c++工程
# 1. python工程准备
## 1. **模型来源：**
- code：https://github.com/JinyuanLiu-CV/TarDAL
- main
- 6a9edd7
- weights：https://github.com/JinyuanLiu-CV/TarDAL/releases/download/v1.0.0/tardal-dt.pth
## 2. **保存模型**
**目的：将模型保存成可以被Icraft编译器编译的形态**
1）根据模型来源中的地址：https://github.com/JinyuanLiu-CV/TarDAL/releases/download/v1.0.0/tardal-dt.pth ，下载原始weights，存放于 `/weights`文件夹中
注意：
* 有时开源的weights url可能会变更。如果上述weights url失效，请根据原工程相应的branch以及commit版本寻找正确的下载链接
* 若上述weights url永久失效，请联系本模型库相关人员获取权限下载
2）根据模型来源中的地址，下载指定commit id版本的源代码，文件夹名称要设置为：0_TarDAL-main
```shell
# 在此模型根目录
mkdir 0_TarDAL-main
git clone -b main https://github.com/JinyuanLiu-CV/TarDAL.git 0_TarDAL-main
cd 0_TarDAL-main
git checkout 6a9edd7
```
创建runs文件夹并下载m3fd数据集 //pan.baidu.com/s/1GoJrrl_mn2HNQVDSUdPCrw?pwd=M3FD 到 0_TarDAL-main/data/m3fd/ 路径下
```shell
cd 0_TarDAL-main
mkdir runs
cd runs
mkdir tmp
```
3）进入1_scripts执行保存模型脚本
```shell
# 在此模型根目录
cd 1_scripts
python 1_save.py
```
**1_scripts提供脚本说明：**
- **环境要求：**Icraft编译器对**导出框架模型时**使用的**框架版本**有要求。即以下脚本中所有导出模型的脚本`1_save.py `，必须在要求的框架版本下执行，其他脚本不限制。要求的版本：
- **pytorch**：支持pytorch1.9.0、pytorch2.0.1两个版本的原生网络模型文件（.pt格式），以及pytorch框架保存为onnx（opset=17）格式的模型文件（.onnx格式）
- **paddle**：仅支持PaddlePaddle框架保存为onnx（opset=11）格式的模型文件（.onnx格式），不支持框架原生网络模型文件
- **darknet**：支持Darknet框架原生网络模型[GitHub - pjreddie/darknet: Convolutional Neural Networks](https://github.com/pjreddie/darknet)
- 0_infer.py >可以推理一张图并得到最终结果，模型原始权重会从 `/weights `中寻找，需要您预先下载
- 1_save.py >保存模型，保存好的用于Icraft编译器的模型，会存放在 `/2_compile/fmodel`
保存模型时的修改点：
1. 将Detect forward中conv算子之后的后处理操作去掉
2. 定义new_forward对forward进行替换
- 2_save_infer.py >用修改后保存的模型做前向推理，验证保存的模型与原模型是否一致
# 2.使用Icraft编译器编译模型
目的： 使用[Icraft编译器](https://gitee.com/mxh-spiger/icraft-introduction.git)将上一步保存好的**框架模型**转化为**硬件可部署模型**
- **1）相关命名说明：**
1）**fmodel**：frame model >用于Icraft编译器的框架模型
2）**imodel**：icraft model >用Icraft编译器编译出的模型
3）**qtset**：Quantitative Calibration Set >Icraft编译器所需的量化校准集
- **2）确认已安装正确的icraft版本**
检查方法：打开cmd运行：`icraft --version`
若已正常安装则会显示当前icraft版本，例如：
```
Icraft 版本:
* 3.31.0
CLI 版本:
3.31.0.0-8639261(2507031119)
```
- 3）**执行编译：**
**在 `/2_compile`目录下执行编译：**
```shell
icraft compile config/BY/tardal-dt.toml
```
如果过程顺利，将得到 icraft model（以 `.json` （graph）`.raw`（param）的格式保存）
其中包括编译各阶段产生的中间结果模型和最终用于片上部署的BY模型，直接被保存到: 3_deploy/modelzoo/yolov5_7.0/imodel
# 3. 仿真
通过配置3_deploy/modelzoo/TarDAL/cfg/中yaml文件的`run_backend`字段为`host`实现模型仿真。
```yaml
imodel:
...
run_backend: host
...
```
# 4. 部署模型
## 部署环境检查
* 以root账户登录片上系统terminal（ssh或串口皆可），模型库默认的模型存放路径为以下目录，如果没有请预先创建：
```
/home/fmsh/ModelZoo/
```
* 检查板上环境是否正确：
1. 查看环境变量，指令：
`icraft --version`
看打印信息是否如下：
```shell
Icraft 版本:
* v3.31.0
CLI 版本:
3.31.0.0-8639261(2507031119)
```
2. 若是，在任意目录下输入`icraft-serve`即可打开server
3. 检查icraft和customop安装包版本是否为`arm64`
```shell
# 检查icraft安装包版本
dpkg -l | grep icraft
# 检查customop安装包版本
dpkg -l | grep customop
```
如果依次显示如下信息，则安装版本正确：
```shell
ii icraft 3.31.0 arm64 This is Icraft for arm64
ii customop 3.31.0 arm64 This is Icraft CustomOp for arm64
```
4. 如果环境配置有误，请参考[Part 1_1 2.3.1 ARM-Linux（片上系统环境） 编译环境准备](https://gitee.com/mxh-spiger/tutorial-runtime/blob/tt3.30.0/docs/Part%201_1%20quick-start.md#1%E7%BC%96%E8%AF%91%E7%8E%AF%E5%A2%83%E5%87%86%E5%A4%87-2)进行部署环境配置。
5. 根据此模型使用的硬算子，选择合适的位流，并在板上安装，所用硬算子及可选位流版本可参见本说明文档起始处的状态徽章，位流下载及安装说明请参考[1/4) 其他下载资源](https://gitee.com/mxh-spiger/icraft-introduction/tree/icraft_v3.31.0/#4%E5%85%B6%E4%BB%96%E4%B8%8B%E8%BD%BD%E8%B5%84%E6%BA%90)。
## python runtime:
目的：在AI硬件上执行模型前向推理
1. **python运行虚拟环境要求与准备**
- python版本：3.8（否则无法使用icraft的python API）
- 确保已安装icraft的python安装包
- socket模式使用：`pip install icraft-3.x.x-cp38-none-win_amd64.whl`
- axi模式使用：`pip install icraft-3.x.x-cp38-none-manylinux2014_aarch64.whl`
- 在选定的python运行虚拟环境中安装python运行时所需要的依赖包
```
cd 3_deploy/modelzoo/TarDAL.0
pip install -r requirements.txt
```
- 安装一些便于开发pyrt的依赖包
```
cd 3_deploy/Deps/modelzoo
pip install -e .
```
由于python运行时代码在引入依赖包时候已经通过sys.path.append(R"../../../Deps/modelzoo")将一些便于开发pyrt的依赖包加入到了系统路径下，因此可以不用执行该步骤即可直接运行2.执行程序。这里提供额外的[pip install -e .]安装方式是为了在python运行时代码时候方便进行pyrtutils的依赖跳转。
2. **执行程序**
```
# Windows系统下：
python ./TarDAL_psin.py ../cfg/TarDAL.yaml
# Linux系统下：
python icraft_launcher.py ./TarDAL_psin.py ../cfg/TarDAL.yaml
```
在io/output中查看结果
# 5. 模型性能记录
| TarDAL | input shape | hard time | qt_strategy | 精度 |
| -------------- | --------------- | -------------- | --------------- | ---------------- |
| float | [1, 1, 768, 1024], [1, 1, 768, 1024] | - | - | MI:2.356; EN:6.889; SD:43.323; PSNR:12.270; SSIM:0.752 |
| 8bit | [1, 1, 768, 1024], [1, 1, 768, 1024] | 109.868ms | kld-pc | MI:2.349; EN:5.009; SD:43.704; PSNR:12.171; SSIM:0.728 |
| 16bit | [1, 1, 768, 1024], [1, 1, 768, 1024] | 225.6657ms | kld-pc | None |