rknntoolkit2转换ONNX模型后，推理显示中间层超出FP16表示范围

[Saikq2000]

您好，我想在开发板上部署一个自己训练的Convnext模型，但是在使用rknntoolkit2进行模型转换并推理时遇到了问题。在关闭量化(ret = rknn.build(do_quantization=False)的情况下，模型的输出会是NaN，并且有如下提示超出FP16的表示范围：
“W inference: The range [1.94334077835083, inf] of '/downsample_layers.3/downsample_layers.3.0/ReduceMean_1_output_0' is out of the float16!
W inference: The range [1.9433603286743164, inf] of '/downsample_layers.3/downsample_layers.3.0/Add_output_0' is out of the float16!”
我根据该信息定位了模型相关的层，由于我在rknntoolkit2的文档中没有找到在非量化模式下可以打印逐层详细数据的接口，所以我使用转换前的ONNX模型输出了提示溢出的两层的输出张量，但是发现并没有超出FP16表示范围的数值。
值得注意的是，提示溢出的reducemean层和add层，我在rknntoolkit2的运行日志中并没有找到reducemean算子，而多了一个ReduceMean_1_2avgpool的算子。
此外，如果开启量化，则不会有溢出的问题，但是rknn模型输出的结果和原始的onnx模型不一致（量化校正数据集不管只传入一张输入数据还是50-100张数据都不对）。自己训练的模型传入的是预处理后的(1,6,224,224)排布的npy文件，使用官方的convnext模型则不会出现溢出和数据不一致的问题。
目前对这个问题不知道该如何下手，请问能否给一些解决的方法或建议？