Q1：mean值和scale值在哪找？

config_model.yml中需要填写MEAN和SCALE值，在哪找？

A1：找原python代码预处理部分

LPRNet仓库中，load_data.py里包含了前处理部分

Q2：如何验证前后处理是否是正确的

模型在板端跑完之后，发现板子输出结果是错的，我该怎样排查问题？

A2 ：使用各端输出输入张量对齐的方式来排查

排查思路可排查以下图示：

仿真张量和python原始张量对齐

这一步主要是用于验证pc端config_model.yml有没有正确配置

1. 仿真输入输出张量和python推理代码输出张量对齐

将PC端的float仿真输入张量，读进python代码中，重塑张量形状，替代python代码的输入张量，进行推理，用于验证后处理部分是否正确配置。

输出张量同理。

一般先验证输入张量。

1. python原始张量和仿真张量做对比

在python推理代码中，保存输入输出张量，与仿真张量做对比，看误差大小。

仿真张量与板端张量对齐

这一步主要是用于验证前后处理的c++代码是否是正确的

１．仿真输入输出张量和板端模型输入输出张量对齐

将PC端的float仿真输出张量，读进C++代码中，重塑张量形状，替代python代码的输出张量进行推理，用于验证C++前处理代码是否正确，输入张量同理。一般先验证输出张量。

２．板端模型张量和仿真张量做对比

在板端C++推理代码中，保存输入输出张量，与仿真张量做对比，看误差大小。

Q3：如何修改config_model.yml文件来排查问题

经过Q2验证后，发现pc端config_model.yml没有正确配置，如何修改配置文件？

A3 控制变量，调整参数，按Q2：仿真张量和python原始张量对齐的方法进行排查

以下是一些参考思路：

1. 1.修改mean和std值

1. 2.开启前处理，关闭后处理，把获得的张量放到python模型推理代码中验证前处理是否正确

1. 3开启后处理，关闭前处理，把获得的张量放到python模型推理代码中验证后处理是否正确