079、YOLOv12推理部署全流程：ONNX/TensorRT/NCNN适配指南与WBF融合策略在NMS后处理中的优化实践凌晨两点半，客户现场打来电话说模型在Jetson Orin上跑起来只有8帧，我第一反应是问用的什么推理框架，对方支支吾吾说“就那个Python的demo改的”。得，又是直接拿PyTorch推理上线的经典操作。今天这篇笔记就把YOLOv12从PyTorch到ONNX再到TensorRT/NCNN的完整链路捋一遍，顺便把WBF融合策略在NMS后处理里的坑和优化讲透。先说导出ONNX这步，很多人直接torch.onnx.export一把梭，结果导出后模型输出对不上。YOLOv12的检测头里有个细节——解耦头最后的卷积层输出通道数跟anchor数量有关，导出前一定要确认你用的是官方给的export.py脚本，别自己手写导出逻辑。我见过最离谱的案例是有人把训练时的multi_label开关带到了推理，导致输出shape变成[1, 84, 8400]而不是[1, 8400, 84]，后面所有后处理代码全白写。导出时记得固定输入尺寸，动态shape在TensorRT里不是不能做，但性能会掉10%左右，除非业务必须，否则固定640x640最省心。ONNX导出后先用onnxruntime验证一遍输出，这里有个小技巧——把PyTorch模型的输出和ONNX模型的输出做逐元素对比，误差超过1e-4就要查是不是某些算子被错误融合了。YOLOv12的C3k2模块里用了大量的SiLU激活，ONNX导出时如果遇到某些旧版本opset，SiLU会被拆成sigmoid+乘法，虽然数学等价但TensorRT解析时可能不认。建议ops