一、问题切入：为什么FPGA上的RT-DETR推理速度比预期慢30%？

上周在ZCU102评估板上部署RT-DETR-nano版本时，发现推理帧率只有23FPS，与理论估算的32FPS差距明显。用vaitrace工具抓取执行时间线，发现DPU的利用率只有65%左右，大量时间消耗在数据搬运和预处理上。这个现象引出了今天要讨论的核心问题：如何让RT-DETR在FPGA上真正跑出应有的性能。

二、模型量化阶段的“暗坑”

Vitis AI的量化工具vai_q_pytorch用起来顺手，但有几个细节不注意就会导致精度大幅下降：

# 量化校准脚本片段frompytorch_nndctimportQuantCalibrator calibrator=QuantCalibrator(model,input_args,