菜单
通用 sample 例程测试。在 x86 PCIe + TPU 环境下按 sample 的 README 验证例程可用性：跑 download.sh 拉数据/模型、用下载的模型跑推理、用 gen_*.sh 重编译后再跑一遍并对比，输出 pass/fail 报告。说「按照 sample-test skill 测试 XXX sample」即可。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/sophgo/sophon-demo --skill sample-test命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | sample-test |
| description | 通用 sample 例程测试。在 x86 PCIe + TPU 环境下按 sample 的 README 验证例程可用性：跑 download.sh 拉数据/模型、用下载的模型跑推理、用 gen_*.sh 重编译后再跑一遍并对比，输出 pass/fail 报告。说「按照 sample-test skill 测试 XXX sample」即可。 |
目的：在当前 x86 PCIe + TPU 环境下，按某个 sample 的 README 把例程完整跑一遍，验证交付链路可用——下载脚本、下载的模型推理、编译脚本重编译、重编译后推理对比。输出结构化 pass/fail 报告。
绝大多数 sophon-demo sample 共享同一套骨架：
scripts/download.sh — 从 dfss 拉数据集 + 预编译 bmodelscripts/gen_*.sh — 在 tpu-mlir Docker 内把 ONNX 编译成 bmodelREADME.md — 文档化运行命令python/*.py — 推理脚本本 skill 适配这套骨架。少数 sample 缺 download.sh 或 gen 脚本（如纯 LLM、ByteTrack），按「通用性适配」一节降级处理。
| 检查 | 命令 | 期望 |
|---|---|---|
| TPU 驱动 | bm-smi | 列出芯片（BM1684X / BM1688 等），无 error |
| SAIL | python3 -c "import sophon.sail; print(sophon.sail.__version__)" | 打印版本号 |
| tpu-mlir Docker | docker ps -a --filter name=tpu_mlir | 存在 sophgo/tpuc_dev:v3.4 容器 |
| unzip / dfss | which unzip && python3 -m dfss --help | 都可用 |
任一缺失→报告缺什么、怎么装，不要擅自往下跑。交叉环境意识：tpu-mlir 工具在 Docker 内（/workspace == host ~/work/git_commits），sophon.sail 在 host 跑。
sample/<NAME>/，列出 scripts/、python/、README.md、datasets/、models/。scripts/download.sh）scripts/gen_*.sh + 参数，如 --res 504 --chip bm1684x --mode f16）python3 python/xxx.py --model_dir ... --image ... 等，含默认参数和测试图）datasets/、models/（若有）到 /tmp/<NAME>_bak/，确保测的是全新下载。sample/<NAME>/scripts/ 下跑 bash download.sh，全程记录日志到 results/download.log。datasets/、models/ 目录出现且文件非空；每个 bmodel 用 bmrt_test --bmodel <path> --dev_id 0 能加载（看 "Run ok" / 输入输出 shape 正确）。sophon.sail）。datasets/ 下）。多类 sample（检测/分割/OCR）跑 2-3 张代表性图。results/infer_<image>.log，保留输出图到 results/。docker exec -it tpu_mlir bash，source /workspace/git_commits/tpu-mlir/envsetup.sh。cd /workspace/git_commits/developer/sophon-demo/sample/<NAME>/scripts，跑 README 提取的编译命令（如 bash gen_bmodel.sh --res 504 --chip bm1684x --mode f16）。results/gen_bmodel.log。检查：无 UNREACHABLE / core dumped / Aborted / Traceback；产物 bmodel 落到 models/ 对应子目录；bmrt_test 能加载。--model NAME.bmodel 带后缀（model_deploy.py context_dir 碰撞坑），具体见各 sample CLAUDE.md。results/infer_<image>_recompiled.log。## <NAME> 例程测试报告
结论：✅ 全通过 / ⚠️ 部分通过 / ❌ 失败
| 阶段 | 结果 | 证据 |
|------|------|------|
| 环境自检 | ✅ | bm-smi 见 1 颗 BM1684X，sail 0.x.x |
| download.sh | ✅ | datasets/ 3 图，models/ 9 bmodel，bmrt_test 全 Run ok |
| 下载模型推理 | ✅ | truck 0.71 (.51,.46,.85,.46)，与 README demo 吻合 |
| 重编译 | ✅ | 9 bmodel 产出，无 core dump |
| 重编译推理对比 | ✅ | 与下载版逐图一致 |
失败阶段详情 / 已知限制 / 遗留问题……
| 样本特征 | 处理 |
|---|---|
无 download.sh（如 DeepSeek、InternVL2） | 跳过阶段 2，README 指明模型来源就按其手动准备，否则报告"需手动备模型"并停 |
无 gen_*.sh（如 ByteTrack、InternVL3） | 跳过阶段 4-5，只测下载模型推理 |
| LLM / 对话类 | 推理命令是交互式或长文本，阶段 3 改跑 README 给的非交互示例 prompt，sanity check 改为"有合理文本输出、不报错" |
| 多芯片多精度 | 默认只测 README 主推的那组（通常 f16 + 当前芯片），其余精度按需在命令里加 |
| SoC only sample 在 PCIe 机上 | README 标 SoC 交付的也能在 PCIe 上跑（PCIe 兼容 SoC bmodel），照测；反过来 PCIe-only（如需大显存）在 SoC 上跑不了，报告并停 |
| 现象 | 原因 | 解决 |
|---|---|---|
gen_*.sh 报 context_dir 碰撞 / Save:424 | --model 没带 .bmodel 后缀 | 带后缀，见 sample CLAUDE.md |
| Docker 内找不到 model_transform.py | 没 source envsetup.sh | 进容器先 source /workspace/git_commits/tpu-mlir/envsetup.sh |
| 编译产物 root 属主，host 删不掉 | Docker 内以 root 跑 | 用 docker run --rm -v <dir>:/tgt 以容器 root 删，或 sudo rm |
download.sh 卡在 dfss 下载 | 网络问题 | 重试，或检查 python3 -m dfss --help 能否连 |
| bmodel 加载失败 "magic number" | 文件没下全 / 被截断 | 重下，校验字节数 |
| 推理报 "device not found" | dev_id 不对或驱动没装 | bm-smi 确认芯片号，改 --dev_id |
/tmp/<NAME>_bak/。/tmp 中间产物删掉，保留 results/ 日志和输出图。基于 SOC 职业分类
