/open_explorer/samples/ai_toolchain/horizon_model_train_sample/scripts/configs/bev中的bev_sparse_henet_tinym_nuscenes.py模型，

使用官方的float-checkpoint-best.pth.tar和官方calibration-checkpoint-best.pth.tar测试(wget -c ftp://openexplorer@vrftp.horizon.ai/horizon_torch_samples/3.0.32/py310/modelzoo/qat_origin_modelzoo/bev_sparse_henet_tinym_nuscenes/* 下载)有精度和可视化结果，AP分别为0.434和0.4227，

使用Nuscenes自己训练的float模型经测试也有AP值和可视化结果，AP=0.3078

问题：使用上述官方的float-best和自己训练的float-best，去转calibration模型，AP值均为0且没有可视化结果，并且使用转换的calibration去训练qat模型时，回归损失都是0，所以应该就是转calibration的时候已经出现问题了

转换方式：使用训练float的py配置文件去训练calibration，没有修改其他内容，只是改了calibration_trainer中的checkpoint_path（float训练得到的模型）

转换命令：

1、训练float：python3 tools/train.py --stage "float" --config configs/bev_hy/bev_sparse_henet_tinym_nuscenes_Nuscenes.py 

2、训练calibration：python3 tools/train.py --stage "calibration" --config configs/bev_hy/bev_sparse_henet_tinym_nuscenes_Nuscenes.py 
