应用开发工作流的第 4 步 — 最后一步,所有模型路径都在此汇合。
开始之前
开始构建之前,请确认以下事项。本页假定前面步骤中的模型集成已经正常工作。选择开发路径
QIM SDK 提供四种构建应用的方式,它们都驱动相同的 QIM SDK 插件。因此,您早期验证过的管线在迁移到更高层级的应用层时仍然有效。请选择与应用当前成熟度相匹配的路径。初次接触 App Builder?请先阅读 QIM SDK 文档中的 App Builder 简介,在选择之前了解各种编程模型的概况。
推荐的构建顺序
在开发应用层之前先验证 AI 管线。这种方法有助于及早隔离模型、推理和后处理问题,使集成和调试工作显著简化。1
验证模型
独立于最终应用来验证模型,并确认其预期的输入和输出张量格式。如果模型仍需要转换、优化或量化,请先在模型准备工作流中完成这些步骤。
2
选择或创建后处理模块
选择支持您模型输出格式的现有
qtimlpostprocess 模块。如果没有合适的模块,请实现一个自定义后处理模块,将原始推理输出转换为与 QIM SDK 兼容的元数据。3
使用 GStreamer 验证管线
在编写应用代码之前,先在 GStreamer 中运行完整的 AI 管线。使用参考管线验证预处理、推理、后处理、标签、阈值和输出渲染。这为故障排除和调优提供了快速的反馈循环。
4
集成到应用中
管线验证完成后,如果您的部署需要结构化的应用框架,请将其迁移到 C++ App Builder 或 Python App Builder 应用中。Coding Agent 可以帮助生成应用框架并集成已验证的管线。
5
在目标平台上验证
使用具有代表性的工作负载、分辨率、帧率和部署设置,在目标 Qualcomm 平台上测试应用。在发布之前,请验证性能和功能是否满足生产要求。请参阅生产就绪检查清单。
本 AI 开发者工作流为使用 QIM SDK 构建和部署 AI 应用提供了引导式路径。有关详细的实现指导(包括安装、插件文档、App Builder API、示例管线和参考应用),请参阅 QIM SDK 文档。使用本工作流确定下一步要做什么,并通过 QIM SDK 文档了解如何去做。
快速入门参考
请使用与所选开发路径相匹配的 QIM SDK 快速入门。首次验证 AI 模型管线时,建议使用 GStreamer 快速入门。GStreamer App Builder
在命令行中验证管线,然后逐步扩展。
Python App Builder
使用 Python 进行应用原型设计和编排。
C++ App Builder
使用 QIM SDK C++ API 构建生产应用。
不确定该选哪个?从 App Builder 简介开始
在确定使用某一种之前,请先在 QIM SDK 文档中比较 GStreamer、Python、C++ 和 Coding Agent 编程模型。
相关信息
- 分析您的模型 — 测量并调优设备端性能。
- 故障排除 — 解决管线和运行时问题。
- QIM SDK 文档 — 涵盖 App Builder、插件和示例管线的完整 SDK 参考。