onnx转为tmfile之后所有卷积后接的relu都丢失，导致推理结果有问题

[jiawenxue1004]

环境是ubuntu22.04 WSL+最新版tengine代码，尝试将resnet18的预训练模型转为onnx再转为tmfile进行测试，代码如下：

pth转onnx：
model=models.resnet18(pretrained=True)
input=torch.rand(1,3,224,224)
torch.onnx.export(model,input,'resnet18.onnx',export_params=True)

onnx转tmfile：
./convert_tool -f onnx -m resnet18.onnx -o resnet18.tmfile
用网页转换的结果与代码结构一致，都丢失了relu。现将onnx、生成的tmfile文件与官方给出的resnet18-cifar10_int8.tmfile模型的可视化效果进行对比：
onnx文件：

生成的tmfile文件：

官方的tmfile文件：

（可以看出虽然官方的模型中卷积尺寸有差异，但是relu都是被正常保留了的）

利用align_tool进行对齐结果如下：

基于tm_classification_opendla.cpp编写了这个所生成的fp32类型tmfile的测试代码，测试结果全部为0。

初学tengine，不太明白问题出在了哪里，还请大佬赐教呜呜呜QAQ

[jiawenxue1004]

找到原因了，conv和relu融合是onx2tengine代码中调用graph_opt中的融合函数导致的，之所以结果出错是因为我在opendla环境下跑的，而这个融合操作不适用于opendla

[H2OD]

找到原因了，conv和relu融合是onx2tengine代码中调用graph_opt中的融合函数导致的，之所以结果出错是因为我在opendla环境下跑的，而这个融合操作不适用于opendla

您好，我遇到了同样的问题，请问您是如何解决的呢，可否留一个联系方式