# Nvidia Pilotnet Convert 관련 문의

**URL:** <https://community.topst.ai/t/nvidia-pilotnet-convert/783>\
**Category:** AI\
**Created:** [January 8, 2026, 1:38am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783 "2026-01-08T01:38:04Z")\
**Posts on this page:** 12\
**Page:** 1

<div class="post-metadata">

**Author:** ![user16](https://yyz2.discourse-cdn.com/flex004/user_avatar/community.topst.ai/user16/32/822_2.png) [@user16](https://community.topst.ai/u/user16)\
**Post date:** [January 8, 2026, 1:38am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/1 "2026-01-08T01:38:04Z")

</div>

안녕하세요. 국민대학교 avees 연구실에서 학부연구생으로 공부중인 곽승헌이라고 합니다.

제가 end-to-end자율주행 모델에 관심이 있어서 TOPST Ai-G보드에서 돌려볼 만한 모델이 뭐가 있을까 고민하다가 e2e자율주행의 초기 모델인 Nvidia의 Pilotnet이라는 모델을 돌려보기로 했습니다.

실험 진행 과정은 다음과 같습니다.

1. pilotnet 모델 학습 및 테스트 (로컬 PC) →완료
2. onnx변환 후 테스트 → 완료
3. onnx→ enlight변환 (제공해주신 EnlightSDK툴 활용)
4. quatization (EnlightSDK툴 활용)
5. 컴파일 및 make
6. 보드에 복사 후 실행 (tcnnapp -i rtpm -o rtpm -n pilotnet\_topst\_quantizes/) 명령어를 통해 실행

제가 로컬에서 onnx파일을 돌릴땐 정상주행하는걸 확인했는데 보드에 포팅 후 실행해보니 출력이 항상 0으로 나오는 것을 확인했습니다.

중간에 변환 과정에서 오류가 생긴 것인지 확인하고 싶은데 enlight모델을 로컬PC에서 확인해볼수 있는 방법이 있을까 하여 글 남겨드립니다!

모델 구조는 사진과 같으며, 사용하는 연산자는 텔레칩스 공식 홈페이지에서 확인한 연산자 범주 내에 있는것을 확인하였습니다.

> **[GitHub - lhzlhz/PilotNet: A Deep Learning Beginner: Nvidia's End to End...](https://github.com/lhzlhz/PilotNet)**
>
> A Deep Learning Beginner: Nvidia's End to End Learning on Steering for Self-Driving Cars

 ![image](https://canada1.discourse-cdn.com/flex004/uploads/topst/original/1X/df957d8f9c9e626516ca3742b3ee281f46bbd1ae.png)

추가로 제가 변환을 진행한 파일들도 첨부해드릴테니 혹시 확인이 가능하시면 확인 해주시면 감사하겠습니다!

> **[pilotnet.zip](https://drive.google.com/file/d/1R7ToFhcLGUBTQdUArb6cz8qCd9uT4i3_/view?usp=sharing)**
>
> Google Drive file.

---

<div class="post-metadata">

**Author:** ![TOPST-manager-cy](https://avatars.discourse-cdn.com/v4/letter/t/35a633/32.png) [@TOPST-manager-cy](https://community.topst.ai/u/TOPST-manager-cy)\
**Post date:** [January 9, 2026, 1:04am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/2 "2026-01-09T01:04:17Z")

</div>

안녕하세요 TOPST 매니저입니다.  
우선 제공해주신 모델에 대해서는 저희가 검토 후 답변드리도록 하겠습니다.  
우선 모델 변환 시 사용한 명령어에 대해서 안내해주시면 조금 더 빠르게 조치를 취할 수 있을 것 같습니다.  
또한 enlight 툴킷에서 시뮬레이터 기능을 제공하고 있습니다.

해당 시뮬레이터는 컨버팅과 양자화 이후 모델에 대한 성능 평가를 진행하실 수 있습니다.  
모델 변환이 이상하다 생각되시면 컨버팅과 양자화 후에 나온 텐서값들과 onnx 모델 추론 텐서 값을 비교해보시는걸 추천드립니다.

시뮬레이터 사용 방법

1. 컨버팅 완료 후 모델

- python3 EnlightSDK/enlight\_sim.py {컨버팅 된 모델} --inputs {입력 데이터}  
해당 명령어로 간단하게 실행할 수 있습니다.  
입력 이미지를 넣어 추론을 진행하고 최종적으로 출력된 텐서 값을 내보내게 됩니다.

또한, --dump-output 옵션을 사용하면 이러한 텐서 값들을 담은 .npz 파일을 추출하게  
됩니다

1. 양자화 이후 모델

- python3 EnlightSDK/enlight\_sim.py {양자화 된 모델} --inputs {입력 데이터}

---

<div class="post-metadata">

**Author:** ![user16](https://yyz2.discourse-cdn.com/flex004/user_avatar/community.topst.ai/user16/32/822_2.png) [@user16](https://community.topst.ai/u/user16)\
**Post date:** [January 13, 2026, 10:39am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/3 "2026-01-13T10:39:37Z")

</div>

모델에 변경사항이 있어서 재학습 후 onnx변환하였습니다. 파일은 구글드라이브 링크로 첨부해드리겠습니다.  
output\_data폴더는 제가 carla에서 수집한 이미지와 steer값 데이터입니다.

> **[pilotnet\_onnx\_enlight.zip](https://drive.google.com/file/d/12j7pW4WQc0xIa3Jt1gCpP90SDvTTKVub/view?usp=sharing)**
>
> Google Drive file.

(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/EnlightSDK$ python converter.py pilotnet.onnx --output pilotnet.enlight --type unknown --dataset Custom --dataset-root ./output\_data --num-images 100 --enable-track

**이 명령어로 변환해서 아래 결과가 나왔습니다.**

[INFO] Find model\_config pilotnet.json, but can’t find it  
[INFO] so, set DEFAULT config parameter

* * *

[v0.9.9] Converting to enlight format. start.

* * *

model : pilotnet.onnx  
output : pilotnet.enlight  
model\_config : auto  
type : unknown  
yolo\_version :  
dfl\_reg\_max : 0  
weight : None  
mean : (0.486, 0.456, 0.406)  
std : (0.229, 0.224, 0.225)  
add\_detection\_post\_process : None  
num\_class : -1  
class\_labels : None  
omit\_post\_process : False  
output\_order : auto  
variance : (0.125, 0.125)  
no\_background : False  
logistic : softmax  
force\_output : None  
input\_shape : None  
input\_quantization\_scale : 128.0  
dataset : Custom  
dataset\_root : ./output\_data  
image\_set : test  
download : False  
batch\_size : 4  
num\_workers : 0  
enable\_letterbox : False  
enable\_track : True  
num\_images : 100  
dump\_stats : False  
compatibility\_log\_root : ./log/compatibility\_results  
compatibility\_list : None  
disable\_checking\_compatibility : False  
input\_ch\_pad : None  
debug : False  
track\_per\_channel : False  
enable\_channel\_equalization : False

Checking arguments… done  
Start ConstantFold optimizer  
optimizing … done.  
Start DeadCodeElimination optimizer  
optimizing … done.  
Start FuseLayers optimizer  
optimizing … done.  
Start DeadCodeElimination optimizer  
optimizing … done.  
Start ReplaceLayerEnlightFriendly optimizer  
optimizing … done.  
Start FuseLayers optimizer  
optimizing … done.  
Start ConstantFuse optimizer  
optimizing … done.  
Start PostProcessParameterFold optimizer  
optimizing … done.  
Start InputQNormalizeFold optimizer  
optimizing … done.  
Start ExposePadLayer optimizer  
optimizing … done.  
Start DecomposeActivation optimizer  
optimizing … done.  
Start MakeInputChannelPartition optimizer  
optimizing … done.

Checking arguments… done

Checking compatibility with ENLIGHT NPU

╒═══════════════════════════════╤════╕  
│ SUMMARY │ │  
├───────────────────────────────┼────┤  
│ Number of compatible layers │ 11 │  
├───────────────────────────────┼────┤  
│ Number of incompatible layers │ 0 │  
├───────────────────────────────┼────┤  
│ Total number of layers │ 11 │  
╘═══════════════════════════════╧════╛

Checking compatibility with ENLIGHT NPU … Done  
Writing compatibility result to … /home/avees/tc-nn-toolkit/EnlightSDK/log/compatibility\_results/pilotnet\_compatibility.log

Serializing Graph done.  
Writing to File… Done  
Writing File path : pilotnet.enlight

Converter. done.

**추가로, enlight\_sim.py의 결과는 다음과 같았습니다.**

(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/EnlightSDK$ python3 enlight\_sim.py pilotnet.enlight --inputs 010023.jpg

[INFO] Find model\_config pilotnet.json, but can’t find it  
[INFO] so, set DEFAULT config parameter

* * *

Inference image. start.

* * *

model : pilotnet.enlight  
inputs : 010023.jpg  
model\_config : auto  
output : None  
result\_root : ./output\_result  
th\_iou : 0.5  
th\_conf : 0.5  
has\_background : False  
topk : 5  
force\_resize : None  
crop : None  
use\_cv2 : False  
enable\_letterbox : False  
image\_format : RGB  
dump : False  
dump\_root : ./output\_dump  
dump\_shape : enlight  
dump\_format : enlight  
enable\_show : False  
enable\_customize\_post\_process : None  
enable\_blazeface\_post\_process : None  
enable\_save\_npy\_result\_for\_unknown : False  
enable\_opts : False

Initializing Network done.  
Custom\_100

Checking arguments…  
Save results (result) path : ./output\_result/pilotnet/010023

* * *

## Show de-quantized output tensor

shape: torch.Size([1, 1, 1])

OutputTensor([[[-0.2038]]], device=‘cuda:0’)

Save results (text) path: ./output\_result/pilotnet/010023/010023\_result.txt  
[1 / 1]  
Inference. done.

**추가로 quatization을 진행할땐 아래 명령어로 진행하였습니다.**

(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/EnlightSDK$ python quantizer.py pilotnet.enlight

[INFO] Find model\_config pilotnet.json, but can’t find it  
[INFO] so, set DEFAULT config parameter

* * *

Quantization. start

* * *

model : pilotnet.enlight  
output : None  
model\_config : auto  
stats\_file : None  
scales\_file : None  
qbits\_file : None  
dump\_scales : False  
dump\_qbits : False  
dump\_type : enlight\_name  
disable\_sanity\_checker : False  
custom\_qparam\_type : enlight\_name  
overwrite\_concat\_qscale : False  
m\_std\_8 : None  
m\_std\_4 : 5  
m\_std\_ratio : None  
weight\_range\_asymmetric : False  
disable\_clip\_min\_max : False  
force\_output\_scale : None

Start BatchormalizeFold optimizer  
optimizing … done.  
Start FuseConstantEltwLayer optimizer  
optimizing … done.  
Start TreatIntermediateOuput optimizer  
optimizing … done.  
Start ModifyLayerQuantizationFriendly optimizer  
optimizing … done.  
quantization… done.  
End sanity check for custom quantization  
Start MakeCompilerFriendly optimizer  
optimizing … done.  
Start MakeLayerAligned optimizer  
optimizing … done.  
Serializing Graph done.  
Writing to File… Done  
Writing File path : pilotnet\_quantized.enlight

Quantizer done.

**양자화가 진행된 파일에 대해 enlight\_sim.py를 돌린 결과는 아래와 같습니다.**

(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/EnlightSDK$ python3 enlight\_sim.py pilotnet\_quantized.enlight --inputs 010023.jpg

[INFO] Find model\_config pilotnet.json, but can’t find it  
[INFO] so, set DEFAULT config parameter

* * *

Inference image. start.

* * *

model : pilotnet\_quantized.enlight  
inputs : 010023.jpg  
model\_config : auto  
output : None  
result\_root : ./output\_result  
th\_iou : 0.5  
th\_conf : 0.5  
has\_background : False  
topk : 5  
force\_resize : None  
crop : None  
use\_cv2 : False  
enable\_letterbox : False  
image\_format : RGB  
dump : False  
dump\_root : ./output\_dump  
dump\_shape : enlight  
dump\_format : enlight  
enable\_show : False  
enable\_customize\_post\_process : None  
enable\_blazeface\_post\_process : None  
enable\_save\_npy\_result\_for\_unknown : False  
enable\_opts : False

Initializing Network done.  
Custom\_100

Checking arguments…  
Save results (result) path : ./output\_result/pilotnet\_quantized/010023

* * *

## Show de-quantized output tensor

shape: torch.Size([1, 1, 1])

OutputTensor([[[-0.2023]]], device=‘cuda:0’)

Save results (text) path: ./output\_result/pilotnet\_quantized/010023/010023\_result.txt  
[1 / 1]  
Inference. done.

이 과정까지는 큰 문제가 없는것으로 보여지는데 맞는지 확인 부탁드립니다!

혹시 이후의 컴파일이나 AI-G보드 적용과정에 대해 github에 있는 파일보다 자세한 과정이 담겨있는 파일이 있으면 전달해 주시면 감사하겠습니다!!

---

<div class="post-metadata">

**Author:** ![user16](https://yyz2.discourse-cdn.com/flex004/user_avatar/community.topst.ai/user16/32/822_2.png) [@user16](https://community.topst.ai/u/user16)\
**Post date:** [January 13, 2026, 11:10am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/4 "2026-01-13T11:10:00Z")

</div>

**컴파일은 아래 과정을 통해 진행하였습니다.**

(topst) avees@avees-MS-7E01:~/tc-nn-toolkit$ python EnlightSDK/compiler.py EnlightSDK/pilotnet\_quantized.enlight

[INFO] Find model\_config pilotnet.json, but can’t find it  
[INFO] so, set DEFAULT config parameter

* * *

Compiling network. start.

* * *

model : EnlightSDK/pilotnet\_quantized.enlight  
dump\_root : ./output\_code  
model\_config : auto  
th\_conf : 0.5  
th\_iou : 0.5  
max\_detection : -1  
batch\_mode : False  
batch\_size : 2  
cmd\_queue\_enable : False  
save\_parameter : False  
max\_work\_buf\_size : 100  
decomposition\_enable : False  
debug\_group : None  
max\_group\_size : 32

output\_dir : ./output\_code/pilotnet\_quantized  
Start ComposeActivation optimizer  
optimizing … done.  
Start ComposeAny\_Trial optimizer  
optimizing … done.  
Start ComposeSinglePattern optimizer  
optimizing … done.  
Start FuseLayers optimizer  
optimizing … done.  
Start CheckHwCompatibility optimizer  
optimizing … done.  
Start MakeGroupPatternInverseY optimizer  
optimizing … done.  
Start ComposeGroupPattern optimizer  
optimizing … done.  
Start MakeGroupPatternSerial optimizer  
optimizing … done.  
Start PartitionCostOptimizer optimizer  
optimizing … done.  
Start DecomposeGroupPattern optimizer  
optimizing … done.  
Start UpdateGroupPatternSerial optimizer  
optimizing … done.  
Start MakeGroupPatternResidual optimizer  
optimizing … done.  
Start MakeGroupPatternSingle optimizer  
optimizing … done.  
Start MakeGroupPatternMisc optimizer  
optimizing … done.  
Start MakeGroupPatternNpuFriendly optimizer  
optimizing … done.  
Start MakeGroupPatternRemain optimizer  
optimizing … done.  
Start MakeInputRowGroupPartitionInverseY optimizer  
optimizing … done.  
Start MakeInputRowGroupPartition optimizer  
optimizing … done.  
Start MakeOutputChannelGroupPartition optimizer  
optimizing … done.  
Start MakeOutputChannelGroupPartitionMisc optimizer  
optimizing … done.  
Start MakeInputRowGroupPartitionMisc optimizer  
optimizing … done.  
Start CheckPartitionValid optimizer  
optimizing … done.  
Start DecomposeSinglePattern optimizer  
optimizing … done.  
high level validating  
high level validation … done.  
Start Preprocess(version=NPUV20) code-emitting  
code-emitting … done.  
Start MakeGroupLayerOperator(version=NPUV20) code-emitting  
Enable work buffer optimizer …  
Start AllocMem(version=NPUV20) code-emitting  
work-buffer size : 0.0438232421875 (MiB)  
code-emitting … done.  
Start LinkIact(version=NPUV20) code-emitting  
code-emitting … done.  
work-buffer allocation sanity check … done.  
Start MakeCode(version=NPUV20) code-emitting  
code-emitting … done.  
./output\_code/pilotnet\_quantized/npu\_cmd.h created  
./output\_code/pilotnet\_quantized/npu\_cmd.bin created  
./output\_code/pilotnet\_quantized/npu\_cmd.txt created  
Writing [322976]/[322976]  
./output\_code/pilotnet\_quantized/quantized\_network.bin created  
./output\_code/pilotnet\_quantized/oact\_entry\_table.py created  
./output\_code/pilotnet\_quantized/network.h created  
./output\_code/pilotnet\_quantized/post\_process.c created  
./output\_code/pilotnet\_quantized/oe\_network.bin created  
./output\_code/pilotnet\_quantized/oe\_network.h created

```auto
            NPU compiler: done sucessfully.

```

Compiler. done.

**그 후 아래 과정을 거쳐 make 진행 후 보드에 붙여넣었습니다.  
(보드 IP는 제가 원활한 통신을 위해 임의로 변경했습니다)**

(topst) avees@avees-MS-7E01:~/tc-nn-toolkit$ cd build\_network/  
(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/build\_network$ cp ../output\_code/pilotnet\_quantized/ ./ -ar  
(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/build\_network$ cp ../output\_code/pilotnet\_quantized/ ./ -ar  
(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/build\_network$ rm -rf network.h post\_process.c  
(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/build\_network$ ln -s ./pilotnet\_quantized/network.h  
(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/build\_network$ ln -s ./pilotnet\_quantized/post\_process.c  
(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/build\_network$ make  
aarch64-none-linux-gnu-gcc -fPIC -Wall -D\_\_NO\_INLINE\_\_ -std=gnu99 -lpthread -pthread -O2 -g -D\_\_i386\_\_ -pg -Wno-unused -Wno-attributes -fno-delete-null-pointer-checks -fPIC -no-pie -Ienlight -Inetwork -c post\_process.c classifier/classifier.c detector/detector.c detector/yolo\_detector.c detector/ssd\_detector.c custom\_postproc/custom\_postproc.c enlight/enlight\_network.c network.c  
detector/yolo\_detector.c: In function ‘detect\_object\_float’:  
detector/yolo\_detector.c:810:15: warning: ‘obj.dims[2]’ may be used uninitialized in this function [-Wmaybe-uninitialized]  
810 | const int len\_obj = obj[0].dims[2];  
| ^ ~~~~~~  
aarch64-none-linux-gnu-gcc -shared -Wl,-soname,net.so -o net.so post\_process.o detector.o classifier.o yolo\_detector.o ssd\_detector.o custom\_postproc.o enlight\_network.o network.o  
rm -rf ./_.o network/_.o enlight/_.o /_.o  
(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/build\_network$ ls -l pilotnet\_quantized/  
total 1856  
-rw-rw-r-- 1 avees avees 61 Jan 13 05:48 compile\_debug.log  
-rw-rw-r-- 1 avees avees 80 Jan 13 05:48 network\_buf.txt  
-rw-rw-r-- 1 avees avees 637 Jan 13 05:48 network\_group\_info.csv  
-rw-rw-r-- 1 avees avees 2387 Jan 13 05:48 network.h  
-rw-rw-r-- 1 avees avees 1536 Jan 13 05:48 npu\_cmd.bin  
-rw-rw-r-- 1 avees avees 6293 Jan 13 05:48 npu\_cmd.h  
-rw-rw-r-- 1 avees avees 5526 Jan 13 05:48 npu\_cmd.txt  
-rw-rw-r-- 1 avees avees 94 Jan 13 05:48 oact\_entry\_table.py  
-rw-rw-r-- 1 avees avees 336900 Jan 13 05:48 oe\_network.bin  
-rw-rw-r-- 1 avees avees 1187311 Jan 13 05:48 oe\_network.h  
-rw-rw-r-- 1 avees avees 3608 Jan 13 05:59 post\_process.c  
-rw-rw-r-- 1 avees avees 322976 Jan 13 05:48 quantized\_network.bin  
-rw-rw-r-- 1 avees avees 20 Jan 13 05:48 trap\_point.py  
(topst) avees@avees-MS-7E01:~/tc-nn-toolkit/build\_network$ scp -r pilotnet\_quantized/ [root@192.168.24.200](mailto:root@192.168.24.200):/home/root  
The authenticity of host ‘192.168.24.200 (192.168.24.200)’ can’t be established.  
ED25519 key fingerprint is SHA256:Q784kP52aM3KOsv5OA/nYXwrSZjAsKoIB+hkTM/uRco.  
This host key is known by the following other names/addresses:  
~/.ssh/known\_hosts:11: [hashed name]  
Are you sure you want to continue connecting (yes/no/[fingerprint])? yes  
Warning: Permanently added ‘192.168.24.200’ (ED25519) to the list of known hosts.  
[root@192.168.24.200](mailto:root@192.168.24.200)’s password:  
oact\_entry\_table.py 100% 94 110.9KB/s 00:00  
oe\_network.bin 100% 329KB 20.1MB/s 00:00  
network.h 100% 2387 3.7MB/s 00:00  
compile\_debug.log 100% 61 127.5KB/s 00:00  
npu\_cmd.bin 100% 1536 2.7MB/s 00:00  
quantized\_network.bin 100% 315KB 55.9MB/s 00:00  
trap\_point.py 100% 20 40.2KB/s 00:00  
post\_process.c 100% 3608 6.2MB/s 00:00  
oe\_network.h 100% 1159KB 21.4MB/s 00:00  
npu\_cmd.txt 100% 5526 7.0MB/s 00:00  
network\_group\_info.csv 100% 637 1.0MB/s 00:00  
network\_buf.txt 100% 80 139.5KB/s 00:00  
npu\_cmd.h 100% 6293 903.3KB/s 00:00

**보드 터미널에서 확인해보니 전송받은거까진 확인했습니다**

root@ai-g-topst:~# ls -l pilotnet\_quantized/  
total 1856  
-rw-r–r-- 1 root root 61 Apr 30 01:56 compile\_debug.log  
-rw-r–r-- 1 root root 80 Apr 30 01:56 network\_buf.txt  
-rw-r–r-- 1 root root 637 Apr 30 01:56 network\_group\_info.csv  
-rw-r–r-- 1 root root 2387 Apr 30 01:56 network.h  
-rw-r–r-- 1 root root 1536 Apr 30 01:56 npu\_cmd.bin  
-rw-r–r-- 1 root root 6293 Apr 30 01:56 npu\_cmd.h  
-rw-r–r-- 1 root root 5526 Apr 30 01:56 npu\_cmd.txt  
-rw-r–r-- 1 root root 94 Apr 30 01:56 oact\_entry\_table.py  
-rw-r–r-- 1 root root 336900 Apr 30 01:56 oe\_network.bin  
-rw-r–r-- 1 root root 1187311 Apr 30 01:56 oe\_network.h  
-rw-r–r-- 1 root root 3608 Apr 30 01:56 post\_process.c  
-rw-r–r-- 1 root root 322976 Apr 30 01:56 quantized\_network.bin  
-rw-r–r-- 1 root root 20 Apr 30 01:56 trap\_point.py

---

<div class="post-metadata">

**Author:** ![user16](https://yyz2.discourse-cdn.com/flex004/user_avatar/community.topst.ai/user16/32/822_2.png) [@user16](https://community.topst.ai/u/user16)\
**Post date:** [January 14, 2026, 6:04am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/5 "2026-01-14T06:04:18Z")

</div>

![image](https://canada1.discourse-cdn.com/flex004/uploads/topst/original/1X/2d4f360426eaa38dc91b6be9cc05e6807105fc93.jpeg)

현재 위 사진과 같이 실험을 진행해 보았습니다.

왼쪽 아래는 원본 사진이며, 왼쪽 위 터미널 결과는 enlight\_sim.py를 진행한 결과입니다. 양자화까지 진행시킨 enlight모델을 넣었을때 0.3723으로 준수한 값이 나왔지만, AI-G보드에 올려서 돌린 결과 0.00000으로 나왔습니다.

tcnnapp -i rtpm -o rtpm -n pilotnet\_quantized -N pilotnet\_quantized로 실행하였습니다.

아래는 post\_process.c 코드입니다.  
혹시 다른 곳에서 문제가 생겼을지 의심이 되는 과정이나 파일이 있다면 알려주시면 감사하겠습니다!

/\*  
Openedges Enlight Network Compiler  
Classification main  
\*/

#include “stdint.h”  
#include “enlight\_network.h”

#ifdef **i386**

# include \<stdio.h\>

# define post\_process\_log(…) do {printf( **VA\_ARGS** );} while(0)

#else

# define post\_process\_log(…) do {\_printf( **VA\_ARGS** );} while(0)

#endif

extern void custom\_postproc\_init();

extern int custom\_postproc\_run(  
int num\_output,  
enlight\_act\_tensor\_t\*\* outputs /\*\*\< output conf@brie@brieftensor number \*/  
);

/\*\* @brief Run custom post-processing  
\*

- 

```auto
 Unknonw@para@parampost-processing

```

- 
- 
- @param net\_inst in@para@paramtance Network instance.

- @param output\_base o@paramtput @paramensor buffe@retur@return base

- @param reserved

- 
- @return Return number of output  
\*/  
int run\_post\_process(  
void \*net\_inst,  
void \*output\_base,  
int num\_input,  
void \*reserved)  
{  
enlight\_network\_t _inst;  
enlight\_custom\_postproc\_t_ custom\_param;

컴파일 과정에서 문제가 생긴거라고 예상이 되는데 혹시 제가 제공해드리면 도움이 될 파일이 있으실까요?

---

<div class="post-metadata">

**Author:** ![TOPST-manager-cy](https://avatars.discourse-cdn.com/v4/letter/t/35a633/32.png) [@TOPST-manager-cy](https://community.topst.ai/u/TOPST-manager-cy)\
**Post date:** [January 16, 2026, 3:54am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/6 "2026-01-16T03:54:43Z")

</div>

안녕하세요 TOPST매니저입니다.  
우선 전달주신 파일들을 확인해본 결과 후처리 빌드과정에서 나온 결과물인 net.so파일이 누락된 것 같습니다.  
make하신 이후에 net.so를 cp명령어를 통해 네트워크 디렉터리로 이동하신 후 모델 추론을 시도해보시길 바랍니다.

감사합니다.

---

<div class="post-metadata">

**Author:** ![user16](https://yyz2.discourse-cdn.com/flex004/user_avatar/community.topst.ai/user16/32/822_2.png) [@user16](https://community.topst.ai/u/user16)\
**Post date:** [January 17, 2026, 2:34pm UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/7 "2026-01-17T14:34:52Z")

</div>

답변 감사합니다. 해당 과정 완료 후 보드에 복사해서 값이 나오게 하는것까진 성공했습니다.

제가 얻은 pilotnet.enlight 모델과 pilotnet\_quantized.enlight모델에 같은 이미지를 인풋으로 주고 enlight\_sim.py 진행했을때 이미지를 바꿔가면서 실험해도 모두 비슷한 결과가 나왔습니다. 그런데 컴파일 후 보드에 같은 이미지를 넣고 돌리면 같은 전혀 다른 결과가 나옵니다. 혹시 post processing과정의 문제인가요?

추가로 이미지 해상도는 200x66사이즈를 인풋으로 주고 있는데, 이게 문제가 될 수 있을지도 궁금합니다!

---

<div class="post-metadata">

**Author:** ![TOPST-manager-cy](https://avatars.discourse-cdn.com/v4/letter/t/35a633/32.png) [@TOPST-manager-cy](https://community.topst.ai/u/TOPST-manager-cy)\
**Post date:** [January 18, 2026, 5:25am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/8 "2026-01-18T05:25:05Z")

</div>

안녕하세요 TOPST 입니다.  
우선 외부 일정으로 답변이 늦어진 점 사과드립니다.  
입력 데이터의 경우에는 크게 문제가 없어보이는 상황입니다.  
모델 후처리 과정보다는 전처리 과정에서 문제가 발생하여 결과가 다르게 나오는 것이라고 생각됩니다.

우선 저희 측에서도 관련해서 테스트 진행 후에 관련해서 답변드리도록 하겠습니다.

감사합니다.

---

<div class="post-metadata">

**Author:** ![user16](https://yyz2.discourse-cdn.com/flex004/user_avatar/community.topst.ai/user16/32/822_2.png) [@user16](https://community.topst.ai/u/user16)\
**Post date:** [January 18, 2026, 7:26am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/9 "2026-01-18T07:26:14Z")

</div>

넵 답변 감사합니다!

보드에서 tcnnapp을 이용하여 이미지를 주고받을때 어떤 식으로 주고받는지를 확인해 보고 싶은데, github에 올라와 있는 자료는 커맨드정도뿐인거 같아서 자세히 뜯어보기가 어렵습니다. 혹시 관련 자료가 있으면 공유해주실 수 있나요?

---

<div class="post-metadata">

**Author:** ![TOPST-manager-cy](https://avatars.discourse-cdn.com/v4/letter/t/35a633/32.png) [@TOPST-manager-cy](https://community.topst.ai/u/TOPST-manager-cy)\
**Post date:** [January 18, 2026, 8:25am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/10 "2026-01-18T08:25:47Z")

</div>

tcnnapp의 내부 소스는 github에는 공개되어 있지 않습니다.  
AI-G Yocto 빌드 후  
topst\_sdk/build/ai-g-topst/tmp/work/cortexa53-telechips-linux/tc-nn-app/1.0.0-r0/git에서 내부 소스에 대해 확인해보실 수 있습니다.  
감사합니다.

---

<div class="post-metadata">

**Author:** ![user16](https://yyz2.discourse-cdn.com/flex004/user_avatar/community.topst.ai/user16/32/822_2.png) [@user16](https://community.topst.ai/u/user16)\
**Post date:** [January 19, 2026, 4:02am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/11 "2026-01-19T04:02:04Z")

</div>

넵 답변 감사합니다!

혹시 compiler.py를 통해 나온 파일들은 로컬pc에서 테스트해볼수 있는 방법은 따로 없는걸까요?

---

<div class="post-metadata">

**Author:** ![TOPST-manager-cy](https://avatars.discourse-cdn.com/v4/letter/t/35a633/32.png) [@TOPST-manager-cy](https://community.topst.ai/u/TOPST-manager-cy)\
**Post date:** [January 19, 2026, 5:13am UTC](https://community.topst.ai/t/nvidia-pilotnet-convert/783/12 "2026-01-19T05:13:27Z")

</div>

넵 컴파일 이후 나온 네트워크는 npu api를 통해서만 추론 가능하도록 되어있습니다.

감사합니다.