1.问题背景

使用ultralytics的Pytorch代码训练YOLOv8n模型，导出成ONNX模型opset=11，然后使用onnxruntime进行推理，结果正常，使用ATC工具转换成OM离线模型，部署在Atlas200模组上，经过推理结果异常，类别概率全为同一个值

2.系统环境

x86主机，训练模型，模型转换

• python3.9.17
• torch'2.0.1+cu118'
• onnx=1.12.0
• CANN(x86版本，模型转换用)=6.3.RC1.alpha001

Atlas200模组

• 昇腾310AI处理器4G版本
• ubuntu18.04
• python3.9.17
• CANN(aarch64版本，模型转换用)=6.3.RC1.alpha001

3.问题详细描述

YOLOv8n模型输入为NCHW（1.3.640,640）FP32，输出为（1,84,8400）FP32 没有使能AIPP，只做模型转换，使用opencv进行图像读取和预处理

正常情况下，对输出进行如下操作去掉维度为1的轴，变为shape为(84,8400),进行转置shape为(8400,84)，前4维元素为预测框位置，后80维为COCO128数据集80类的类别概率，使用ONNX进行推理的情况下，80类的概率及时是一个偏小值，也不会完全一样，但是经过OM模型推理后的结果80类的概率全部为同一个值0.0000152588。 ONNX模型和OM模型，数据预处理和后处理都是同一套代码，输入图片也是同一张，但是结果相差很大。