PyTorch转TensorRT后推理结果和原模型对不上，有人遇到过吗？

FP16对分割mask影响确实大，试试强制指定某些层跑FP32，C2f那块最容易出问题。

FP16下mask分支崩但bbox正常，大概率是seg head里某些小数值算子被半精度截断了。可以先把TensorRT的FP16关掉跑一次FP32，看误差是不是直接消失，如果是就锁定精度问题。另外C2f那块有concat和sigmoid，TRT对这类融合处理有时会偷偷改精度，试试用polygraphy逐层dump对比，比盲猜快很多。工具链的话onnxsim加trtexec手动调精度标志比torch2trt可控。

FP16下mask分支精度崩掉挺常见的，C2f里那些小数值的激活很容易被半精度截断，bbox分支数值大所以扛得住。你可以先跑一遍FP32的TRT对比看看，如果FP32能对齐就基本锁定是精度问题，再针对seg head附近的层做混合精度或者干脆保留FP32。另外动态shape确实会让TRT选一些奇怪的kernel，试试固定输入尺寸跑一次排除掉这个变量。工具链的话可以看看TensorRT的polygraphy，逐层对比ONNX和TRT输出挺方便的。