fix(actpred): 修复 HEF 帧归一化误判与部署图数值不等价，补齐 P3 审计项

- hailo_infer: 帧归一化判定改为量化网格 dequant(0)（旧启发式把归一化
  帧当原始像素喂入，图像路径饱和破坏；实机 max_diff 2.55→0.37，
  img 敏感性 1.44→22.26）
- export_deploy: pool kernel 由卷积真实输出尺寸探测（H//16 在 1080
  高度下静默丢弃末行）；mobilenet backbone 给出明确报错
- mt_parser: @Action 为文件末位块时解析成功，不再静默丢数据
- config: checkpoint train 段未知键/非 dict 校验；init-from 兼容性
  警告助手（normalize/action_dim），train 与 pretrain 共用
- dataset: stats 文件形状校验；predict: 移除误导性 --action-dim
- dfc_compile: --frame-count 参数化（原硬编码 3 帧）
- gen_calibration: 旧模式校准图像改分块 memmap 生成（1080p 原一次性
  分配 ~600MB）
- _npu_test: torch 参考反归一化对齐后再与 HEF 比较
- 单测 81→90 全过；README 与测速报告更新为验证轮次数据

docs/reports/actpred_inference_speed_benchmark_20260813.md

@@ -93,11 +93,33 @@ NPU 部署轮次以 224×224 的 `pretrain_best_inference.pt` 为准（HEF 编
 | ONNX Runtime CPU | 224×224 | 10.7 ms | 纯 `session.run`（预缩放输入） |
 | Hailo-10 NPU（actpred HEF，首版） | 64×64 | 6.3 ms | 含预处理 + 量化/反量化，驱动 5.3.0 |
 
-注：本组 ONNX 纯推理（10.7ms）与 §2 的 5.9ms（同为 224 模型）存在
-差异，未追根（torch≥2.12 dynamo 导出路径、系统负载、ORT 线程调度均
-可能影响），以本组实测为准；ONNX 仍比 PyTorch 快约 2 倍。NPU 首版
-HEF 因编译侧输入断开输出恒定，仅作封装性能基线，数值有效性待重编译
-后复验（见 hailo 调研报告）。
+### 6.1 归一化轮次 HEF 复测（2026-08-13 同日，输入连通性验证通过后）
+
+同一轮次对通过 `_npu_test.py` 验收的归一化轮次 HEF
+（224×224，`hailo_infer.py` 帧归一化判定修复后）实测，预热 5 次取
+50 次均值（纯 NPU run 取 200 次）：
+
+| 方案 | 输入分辨率 | 延迟 | 备注 |
+|---|---|---|---|
+| Hailo-10 NPU 端到端 predict | 224×224 | 10.5 ms | 含预处理 + 量化/反量化 |
+| Hailo-10 NPU 纯 run（绑定后循环） | — | 4.4 ms | Python API/PCIe 开销主导，HEF 计算本身远小于此 |
+| Hailo-10 NPU 预处理（3 帧 resize+归一化） | 224×224 | 3.4 ms | PIL resize 为主 |
+| PyTorch CPU（同机复测） | 224×224 | 22.4 ms | 含预处理 |
+| ONNX Runtime CPU（同机复测） | 224×224 | 11.0 ms | 含预处理，重新导出的当前 checkpoint |
+
+**结论**：
+
+1. 224×224 下 NPU 端到端（10.5ms）与 ONNX Runtime（11.0ms）基本持平，
+   纯 NPU run 的 4.4ms 是 Python 绑定/PCIe 同步开销主导（对照 §2
+   resnet50 串行单帧同为 4.29ms，而 actpred 计算量仅其 ~1/55）。
+   后续可用 `run_async` 流水线把预处理与 NPU 执行重叠。
+2. NPU 的价值不在绝对延迟而是**把推理从 CPU 卸载**，让 4×A76 专注
+   pybot 主控循环；CPU 侧 ORT 仍是有效的纯软件方案。
+3. **1080p 采集是最大瓶颈**：预处理随输入像素量增长，实测
+   640×480 输入 11.8ms、960×540 输入 15.7ms、1080p 输入 45.0ms
+   （端到端分别 18.6 / 22.8 / 51.7ms）。部署建议摄像头以
+   640×480 或更低分辨率采集（或 224×224 中心裁剪 ROI），
+   而不是全分辨率后缩放。
 
 ## 参考