先上bevformer的网络结构图

不难发现，他有两个输入。当前的环视图和历史bev。历史bev是通过历史环视图生成的。也就是说在生成bev特征提取模型这部分被使用了两次。在装模型时候，需要作以下工作：

1 bev特征提取模型单独提出来，转成模型

2 剩下的部分作为一个网络。

这么作的好处，很多部署框架支持模型weight共享，环视图特征提取网络参数量占了整个网络的40～50%，降低了显存使用。下面只对nvidia卡说。

bev特征提取模型单独提出来，转成模型

这里可以直接对通过pt模型，重新加载到bev题整体去网络，在做保存处理。

或者对pt转为onnx模型后，作剪出子网络处理。

模型的输入输出：

输入：环视图

输出：bev提取特征

剩下的部分作为一个网络

模型的输入输出：

输入：当前bev提取特征、历史bev提取特征

输出：输出预测结果

关于转模型

转onnx模型一定要作校准，trt模型也要做。

所有涉及到时序问题的都可以这么转。