export

EXPORT

执行

MobileNet 可直接调用 sample = magnetar.stages.export.run_mobilenet(task_dir)。 其他模型需 Agent 自行实现：导出静态 ONNX → onnx.checker 验证 → ONNX Runtime 与原模型对分（cosine ≥ 0.99）→ 生成 model_meta.json 和校准数据。 校准数据尽量用真实业务数据（run_generic(calibration_data=…) 或 scripts/export_onnx.py --calib-dir）； 随机/扰动数据仅兜底，需在 export_report.md 标注来源。

LLM 分支（model_route=llm，自回归/类 LLM 模型）

不导出 ONNX，改为：

1. 验证 HuggingFace 权重可推理：跑通一次 source 生成（greedy），保存参考输出到 export/llm_reference.txt 或 npy；
2. 生成可复现 export/llm_build.sh：完整 pulsar2 llm_build2 命令 （--input_path origin/<model> --output_path compile/llm_out --chip <chip> --max_context <LLM_MAX_CONTEXT> --prefill_len ... --weight_type s8|s4 --hidden_state_type bf16，Pulsar2 ≥ 6.0）；
3. 确认 tokenizer：origin 中已有 tokenizer.txt/*_tokenizer.txt 直接用； 没有则按 ax-llm 文档从 HF tokenizer 转换（third_party/tokenizer.axera 工具）， 无法生成时 STOP 说明；
4. 记录模型参数（model_type、num_hidden_layers、hidden_size、vocab_size、 tokenizer_type）到 export_report.md。

hybrid 组合模型（AR-TTS 等）：LLM/AR 子模型按本分支准备，非 LLM 子模型 （vocoder/encoder 等）继续走本文件上方的通用 ONNX 导出，拆分开的产物分别记录。

验证

• export/model.onnx 为静态 shape，onnxruntime 可加载
• export/model_meta.json 含完整 input/output name/shape/dtype/layout
• Torch/ONNX cosine ≥ 0.99
• export/calib_data/input.tar.gz 存在（≥3 组样本）
• export/export_report.md 标注校准来源（real 业务数据 / perturbed 兜底）
• LLM 分支：export/llm_build.sh 存在且命令完整可复制；参考输出已保存； tokenizer 已确认

STOP

• ONNX 对分失败（cosine < 0.99）
• 模型含动态 shape 且静态化失败
• 仅有随机/扰动校准数据且用户未确认（校准集应尽量用真实业务数据，随机数据可能在真实业务上崩）
• LLM 分支：tokenizer 无法生成；llm_build2 不支持该架构且用户未确认回退方向