完整导出矩阵
导出支持就是按 (family, task, format) 三元组做的一次查表。本页讲这个矩阵的形状、没有显式条目覆盖的单元格由哪些规则填上，以及怎么去查你关心的那个组合。
矩阵的形状
矩阵以 (family, task, format) 为键。家族键是模型注册表（registry）里的规范名，
任务键来自 libreyolo.tasks.TASKS，格式一共十二种：
onnx、torchscript、executorch、tensorrt、openvino、paddle、mnn、
rknn、ncnn、tflite、coreml、coreai。
model.export(format=...) 还额外接受两个别名：engine 对应 tensorrt，litert
对应 tflite，后者是 TensorFlow Lite 现在的名字。格式本身和 .tflite 后缀都没有变。
from libreyolo.export.support import ( EXPORT_FORMATS, get_support, validated_alternatives,) print(EXPORT_FORMATS) entry = get_support("yolo9", "detect", "onnx")print(entry.tier, entry.since)print(entry.constraint) print(validated_alternatives("yolo9", "detect"))libreyolo formats --family yolo9 --task detectlibreyolo formats --family yolo9 --task detect --json因为一个单元格是三个键的函数，完整表格很大，而且每个版本都会变。它是生成出来的，
不是手写的，放在库仓库的 docs/export_support.md 里。查这个矩阵请用 Python 或 CLI，
而不是去读某一份副本。
三个等级
| 等级 | 含义 |
|---|---|
validated | 数值一致性（parity）已由 CI 或有文档记录的 nightly 运行覆盖 |
available | 转换已经实现，但运行时的数值一致性证据没有记录过 |
blocked | 预检阶段在 tracing 之前抛出 NotImplementedError，并给出原因 |
validated 和 available 的组合都会直接往下走，不需要额外确认，也不会给一条笼统的警告。 它们记录下来的证据和约束会在生成的文档里保持可见。blocked 的组合会在依赖检查、 校准数据加载、tracing 和产物生成之前就失败。
新增一条 validated 条目需要一个一致性测试和一个 since 字段。
一个 SupportEntry 带四个字段：tier、一个 reason 字符串、since 版本，
以及一个 constraint 字符串。约束是集成时真正要紧的那部分：一个对勾只在它写明的
条件下成立，而这些条件通常是固定的输入画布、batch 1、FP32，以及一个指定的运行时版本。
单元格是怎么定下来的
get_support(family, task, fmt) 按下面的顺序解析。第一条匹配上的规则胜出。
- 未知的任务，或者不在这十二种之内的格式，返回
blocked。 - 存在显式的
(family, task, format)条目时，按记录返回。 - 家族级别的屏蔽返回
blocked，附带该家族的原因。 - 任务级别的屏蔽返回
blocked，附带该任务的原因。 - 对
ncnn，在 NCNN 屏蔽名单上的家族返回blocked。 mnn返回blocked：这个家族和任务没有运行时契约。rknn返回blocked。这个版本的 RKNN 只限于在模拟器上测过的那几个检测变体：RK3588 上的 YOLO9-t、YOLO9-E2E-t、YOLO-NAS-s 和 PicoDet-s。tensorrt和openvino返回available：转换路径是有的，但该家族和任务的运行时一致性没有记录过。tflite、paddle、coreai和coreml返回blocked，各有各自的原因。- 其余一切返回
available：转换已经实现，运行时的数值一致性没有记录。
第 8 到第 10 步的不对称是有意为之。TensorRT 和 OpenVINO 是从 ONNX 通用转换的， 所以没列出来的组合值得一试。TFLite、Paddle、Core AI 和 CoreML 各自都需要一条按家族 写的路径，所以没列出来的组合是一次拒绝，而不是一份邀请。
被屏蔽的任务
对任何没有显式条目的家族，这些任务都是屏蔽的。
| 任务 | 原因 |
|---|---|
ocr | 两个网络加上按区域动态裁剪，不符合单图导出契约 |
point | 该家族没有接入共享的点热图和后端峰值解码契约 |
semantic | 该家族没有接入共享的稠密 logits 和后端 argmax 契约 |
mesh | 人体网格的图输出、元数据和运行时契约都没有定义 |
normal | 该家族没有接入固定画布的稠密单位法线和后端重归一化契约 |
panoptic | 全景分割导出没有后端运行时契约 |
gaze | 该家族没有接入共享的双 head logits 和后端期望解码契约 |
显式条目会覆盖这些规则，所以比如一个已经接好线的语义分割家族照样能导出。
被屏蔽的家族
| 家族 | 屏蔽范围 |
|---|---|
depth_anything3 | 所有格式；它的深度计算图不在导出运行时契约里 |
domedetr | 所有格式。PAQI 按每张图设定 query 数量，所以 trace 出来的图只对被 trace 的那张图有效。想要一个能导出的 DETR，用 D-FINE |
eomt | 实例分割和全景分割导出，这两者没有运行时解析 |
l2cs | ONNX、TorchScript、ExecuTorch、TensorRT 和 OpenVINO 之外的一切 |
hrnet | ONNX、TorchScript、OpenVINO 和 TensorRT 之外的一切 |
sam、sam2、sam3、edgetam、mobilesam | 所有格式；可提示模型的导出不在 v1 运行时契约的范围内 |
grounding_dino、owlv2、omdet_turbo、ov_deim | 所有格式；开放词汇的运行时导出不在 v1 的范围内 |
florence2、kosmos2、lfm2vl、internvl3、qwen3vl、smolvlm2、locateanything | 所有格式；生成式 VLM 的导出不在 v1 的范围内 |
PicoSAM3 是可提示这一档里的例外：它会把自己那个原始的 96 像素 ROI 网络导出成 ONNX。
对 NCNN 的屏蔽
DETR 风格的解码器需要 NCNN 没有实现的采样算子，所以除非有显式条目另作规定，
下面这些家族对 ncnn 都是屏蔽的：Deformable DETR、DETR、DINO-DETR、D-FINE、
LW-DETR、DEIM、DEIMv2、RT-DETR、RT-DETRv2、RT-DETRv4、RF-DETR 和 EC。
拒绝信息会把 ONNX、OpenVINO、TorchScript 和 TensorRT 列为替代方案。
一致性阈值
一个 validated 单元格意味着导出的产物在下面这些界限内复现了原生模型：
| 任务组 | 阈值 |
|---|---|
| 检测和 OBB | 匹配上的检测框 IoU 高于 0.95，分数 MAE 低于 0.01 |
| 分割和全景分割 | 掩码 IoU 高于 0.95 |
| 姿态 | 原生分辨率下关键点 L2 低于 2 像素 |
| 分类 | logits 余弦高于 0.999，且 top-1 类别相同 |
| 深度和复原 | 相对原生输出 PSNR 高于 40 dB |
| 表面法线 | 平均角度误差低于 0.1 度 |
| 点 | 峰值位置在一个输出单元格之内相等 |
DETR 的 query 行是一个无序集合，所以 DETR 家族的一致性是把 query 行当作集合来对齐， 而不是按位置对齐。
导出
from libreyolo import LibreYOLOfrom libreyolo.export.support import get_support model = LibreYOLO("LibreYOLO9t.pt")print(model.export(format="onnx")) # 调用前先查一下：被屏蔽的组合会在预检阶段抛错，# 报错信息里带的就是这个 reasonblocked = get_support("domedetr", "detect", "onnx")print(blocked.tier)print(blocked.reason)被屏蔽的组合会在预检阶段抛出 NotImplementedError，报错信息里带着记录下来的原因。
validated_alternatives(family, task) 返回这一对组合下已验证的格式，这正是紧挨着
一条拒绝打印出来最有用的东西。
所有导出器共享的参数列在模型 API 页面上。 格式专属的参数在各自的格式页面上。
读懂一条约束
一个 validated 单元格是关于某一个实测配置的断言，而不是关于这个格式整体的断言。
像 FP32, batch 1, fixed 520x520 input 这样的约束字符串，意思是一致性是在那个形状
和精度下记录的。换一个分辨率或者批大小去导出，照样能产出产物；只是那不再是这个数字
所来自的配置。