2.7.1版本下，andorid预测输出出现nan，同样的模型在2.5.0版本上正常

[yangy996]

src.zip

[yangy996]

这个模型在python的MNN=2.7.1版本实测是正常的，在Android上就会报nan的错误

[v0jiuqi]

上传ONNX原模型给我们查一下

[yangy996]

上传ONNX原模型给我们查一下

det.onnx

[v0jiuqi]

上传ONNX原模型给我们查一下

det.onnx

下不了

[yangy996]

上传ONNX原模型给我们查一下

det.zip

[v0jiuqi]

这个模型在fp32精度下用两个版本去跑，结果是一致的，没有nan。你是在fp16精度下跑的吗

[yangy996]

这个模型在fp32精度下用两个版本去跑，结果是一致的，没有nan。你是在fp16精度下跑的吗

设置backendConfig.precision = MNN::BackendConfig::Precision_Low;的时候，识别就出现nan
设置backendConfig.precision = MNN::BackendConfig::Precision_Low_BF16;的时候，识别就正常

[yangy996]

这个模型在fp32精度下用两个版本去跑，结果是一致的，没有nan。你是在fp16精度下跑的吗

还有个问题backendConfig.power = MNN::BackendConfig::Power_High;CPU占用比MNN::BackendConfig::Power_Low;高30%左右

[v0jiuqi]

这个模型在fp32精度下用两个版本去跑，结果是一致的，没有nan。你是在fp16精度下跑的吗

设置backendConfig.precision = MNN::BackendConfig::Precision_Low;的时候，识别就出现nan 设置backendConfig.precision = MNN::BackendConfig::Precision_Low_BF16;的时候，识别就正常

嗯。Low就是fp16

[github-actions]

Marking as stale. No activity in 60 days.

[fjiang9]

这个模型在fp32精度下用两个版本去跑，结果是一致的，没有nan。你是在fp16精度下跑的吗

设置backendConfig.precision = MNN::BackendConfig::Precision_Low;的时候，识别就出现nan 设置backendConfig.precision = MNN::BackendConfig::Precision_Low_BF16;的时候，识别就正常

嗯。Low就是fp16

请问这个问题有什么说法吗，fp16为什么会nan呢？