# 下载模型和标签文件 Source: [https://docs.qualcomm.com/doc/80-70020-50SC/topic/download-model-and-label-files.html](https://docs.qualcomm.com/doc/80-70020-50SC/topic/download-model-and-label-files.html) 作为先决条件,请为 QCS6490、Dragonwing IQ-9075 和 Dragonwing IQ-8275 下载模型和标签文件以[运行 AI/ML 示例应用程序](https://docs.qualcomm.com/doc/80-70020-50SC/topic/ai-ml-sample-applications.html)。 在 Linux 主机上执行以下操作: 1. 启用 SSH 并连接至 Wi-Fi。有关说明,请参阅[使用 SSH 登录](https://docs.qualcomm.com/bundle/publicresource/topics/80-70020-254/how_to.html#use-ssh)。 Note: 如果已设置 SSH 并连接 Wi-Fi,请跳过此步骤。 2. 使用 SSH 登录目标设备: ssh root@Copy to clipboard 3. 下载自动化脚本,用于将模型和标签文件下载到目标设备上的 etc/models 和 etc/labels 目录: curl -L -O https://raw.githubusercontent.com/quic/sample-apps-for-qualcomm-linux/refs/heads/main/download_artifacts.shCopy to clipboard Note: 在目标设备上运行此脚本。确保目标设备具有有效的互联网连接。 4. 设置脚本权限: chmod +x download_artifacts.shCopy to clipboard 5. 提供所需的参数来运行脚本,在目标设备上下载模型和标签文件: ./download_artifacts.sh -v GA1.5-rel -c Copy to clipboard 这里,将 `` 替换为 `QCS6490`、`QCS9075` 或 `QCS8275`。 6. YOLOv8 和 YOLO-NAS 模型默认不可用。您可以使用以下选项,使用脚本下载模型或使用 Qualcomm AI Hub API 导出模型。 如果使用的是[多流批量推理](https://docs.qualcomm.com/doc/80-70020-50SC/topic/multistream-batch-inference.html)应用程序,则可以生成批量模型。 - 使用脚本下载模型: 1. 创建 [Qualcomm AI Hub 帐户](https://app.aihub.qualcomm.com/account/)。 2. 选择账户名,然后转到右上角的 Settings,选择 API 令牌。 3. 在 Linux 主机上导出模型并设置所需的权限: curl -L -O https://raw.githubusercontent.com/quic/sample-apps-for-qualcomm-linux/refs/heads/main/scripts/export_model.shCopy to clipboard chmod +x export_model.shCopy to clipboard 将 API_TOKEN 替换为所选密钥: ./export_model.sh --api-token=Copy to clipboard - 使用 Qualcomm AI Hub API 导出 [YOLOv8-Detection-Quantized](https://github.com/quic/ai-hub-models/tree/main/qai_hub_models/models/yolov8_det) 模型: 当前版本 (Qualcomm Linux 1.5) 使用 Qualcomm AI Runtime SDK v2.35。 例如,要导出 YOLOv8 QNN 模型,请运行以下命令: python -m qai_hub_models.models.yolov8_det.export --quantize w8a8 --target-runtime=qnn --chipset="qualcomm-qcs6490-proxy" --compile-options="--qairt_version 2.32" --profile-options "--qairt_version 2.32"Copy to clipboard Note: 根据 QLI QAIRT 版本更新命令中的 `qairt_version`。 例如,要导出 YOLOv8 LiteRT 模型,请运行以下命令: python -m qai_hub_models.models.yolov8_det.export --quantize w8a8 --target-runtime=tflite --chipset="qualcomm-qcs6490-proxy"Copy to clipboard - 生成批量模型。 要更改模型的批量大小,请更新以下 `export` 命令中的 <N>: python -m qai_hub_models.models..export --batch-size --device "QCS6490 (Proxy)"Copy to clipboard 例如,要使用 `--batch-size 4` 导出 YOLOv8 LiteRT 模型,请运行以下命令: python -m qai_hub_models.models.yolov8_det.export --quantize w8a8 --target-runtime=tflite --chipset="qualcomm-qcs6490-proxy" --batch-size 4Copy to clipboard 7. 更新 JSON 文件中量化 LiteRT 模型的 `q_offset` 和 `q_scale` 常量。有关说明,请参阅[获取模型常量](https://docs.qualcomm.com/bundle/publicresource/topics/80-70020-15B/integrate-ai-hub-models.html#get-the-model-constants)。 ## 故障排除 如果下载脚本文件后某些模型不可用,您可以从 [IoT–Qualcomm AI Hub](https://aihub.qualcomm.com/iot/models/) 下载模型并将其推送到目标设备: scp root@:/etc/modelsCopy to clipboard 例如: scp mobilenet_v2_quantized.tflite root@:/etc/modelsCopy to clipboard Note: 要从 UART shell 运行示例应用程序,请在目标设备上使用以下命令重新挂载文件系统以获取读写权限: mount -o remount,rw /usrCopy to clipboard **Parent Topic:** [运行 AI/ML 示例应用程序](https://docs.qualcomm.com/doc/80-70020-50SC/topic/ai-ml-sample-applications.html) Last Published: Oct 09, 2026 [Previous Topic 运行 AI/ML 示例应用程序](https://docs.qualcomm.com/bundle/publicresource/80-70020-50SC/topics/ai-ml-sample-applications.md) [Next Topic 图像分类](https://docs.qualcomm.com/bundle/publicresource/80-70020-50SC/topics/gst-ai-classification.md)