models: BEVFusion onboarding (stage graph, sparse plugin export, INT8/FP8)

[vividf]

Stacked PR 13/15 — ⬅ #25 | #23 ➡

Stack(base pr-stack-base = 7e35d97):#11 → #12 → #13 → #14 → #15 → #16 → #17 → #18 → #19 → #20(CenterPoint 全功能點)→ #21 → #25 → #22 → #23 → #24(= 開發 branch HEAD,逐位元一致)。合併由下而上,每合一層把下一層 base retarget。

這個 PR 是什麼

BEVFusion onboarding:stage graph(dense 圖 + sparse plugin 圖)、量化宣告、experiment configs。與 #20 同 pattern 的第二次應用,增量 = sparse stage。

實測數字

形態	mAP	dense latency
FP16	0.4510	1.76 ms
INT8	0.4223	1.44 ms
FP8	0.4515	—

INT8 的兩個敏感 block 保 FP16(sensitivity 掃描記錄在 config 註解);FP8 是「linear 走 FP8 不走 INT8」證據鏈之一(FFN FP8 ±0)。

逐檔導覽

• main_modules/bevfusion/stages.py:sparse GraphStage(plugin 圖:onnx_transforms=(#21 的 fusion pass,)、ORT 用 torch_fallback_backends)+ dense GraphStage;sparse-stage 的 INT8 TODO(需要量化 libspconv ABI,阻擋條件寫明)。
• main_modules/bevfusion/quantization.py:量化宣告 + 「attention 投影在校準期抓不到」陷阱的正本 docstring(訓練態 packed qkv Parameter、export 態才誕生的 q/k/v/out_proj、out_proj 的 fast-path 繞過——walker 在框架層拒換它)。
• main_modules/bevfusion/model.py:stage-graph 版模型類。
• configs:base + FP16 / _int8 / _int8_qat / _fp8 experiments(_fp8 關 onnx backend——ORT 載不了 trt-domain FP8 op;tolerance 帶 observed)。
• 測試:test_bevfusion_stages。

檔案清單(點開)

.../experiments/detection3d/bevfusion/base.yaml 205 +++++++++++++++
..._secfpn_b16_30e_t4dataset_120m_j6gen2_base.yaml 213 ++++++++++++++++
...fpn_b16_30e_t4dataset_120m_j6gen2_base_fp8.yaml 51 ++++
...pn_b16_30e_t4dataset_120m_j6gen2_base_int8.yaml 56 +++++
...16_30e_t4dataset_120m_j6gen2_base_int8_qat.yaml 37 +++
.../detection3d/main_modules/bevfusion/__init__.py 24 ++
.../detection3d/main_modules/bevfusion/model.py 253 +++++++++++++++++++
.../main_modules/bevfusion/quantization.py 66 +++++
.../detection3d/main_modules/bevfusion/stages.py 248 ++++++++++++++++++
.../tests/deployment/test_bevfusion_stages.py 276 +++++++++++++++++++++
.../tests/deployment/test_sparse_graph_contract.py 103 ++++++++

Review checklist

• sparse stage 宣告與 ops: in-house spconv export ops + TensorRT plugin build #21 fusion pass 的接線(onnx_transforms)。
• quantization.py docstring 與 quantization/README 陷阱 1 的交叉引用一致。
• _fp8 config 關 onnx backend 的註解是否講清楚原因。

🤖 Generated with Claude Code