智联海视觉模型降精度以后，怎样复核误检漏检与数值异常
TensorRT文档区分不同浮点格式的动态范围与精度，并讨论溢出和误差传播。以下不假定低精度必然不合格，也不假定模型能运行就说明全部输出保持等价。
建立固定的参考路径
记录参考模型、精度、预处理和软件版本，保留原始输出。参考自身也需要说明适用性，不能把任意一组旧结果当作绝对正确，更不能边比较边修改参考参数。
先记录交付设备、软件与配置版本，再确认本节所述能力是否由该组合实际提供。把未支持、未启用和未验证分别记录；其他机型的演示不能代替当前交付对象的证据。
选择接近判定边界的样本
除了普通样本，还应包含分数接近阈值、尺寸极端或对比度较低的输入。平均误差很小仍可能翻转关键判定，因此同时保存数值差和最终业务决定。
验证时保留原始输入和判断依据，避免只交付一张成功截图。每一轮只改变已约定的变量，记录变化前后的配置与结果；未覆盖的边界条件需要明确列出，不能自动计入通过范围。
检查非有限值与范围
观察是否出现无穷、非数或异常饱和，并定位它们进入后处理的方式。数值范围问题和普通舍入差异需要分开记录，避免下游默认值把异常输出伪装成无目标结果。
将图中三种现象作为讨论起点，而不是对现场故障的预先诊断。先核对记录是否完整、单位和身份是否一致，再决定需要补充哪项观察。若证据不足，应保留待确认结论，而不是用经验值填补缺失字段。
同时比较资源与正确性
在相同负载下记录耗时和内存，明确实际采用的精度策略，而非只引用配置名称。不同层或运算可能有不同处理，最终应以已构建产物及其输出为对象进行比较。
由现场负责人确定获准的隔离验证方式，分别记录正常、异常和恢复阶段。验证重点是系统如何识别和解释不可信输入，不应为了取得异常样本而让实际生产设备执行未经评估的动作。
说明接受标准和未决差异
给出允许误差、不得翻转的业务条件和仍需解释的样本。模型、阈值或输入分布改变后重新审查，不能把一次平均分接近的比较永久推广到所有机器人视觉任务。
交付时附上配置、样本、结果表和未决问题，并约定后续变更的复核责任。接收方应能随机挑选一条结论，回到对应输入与判断过程；若做不到，这份报告仍需要补充可追溯资料。