RKNN是否支持部署Transformer模型？

最近在使用transformer模型做图像拼接任务，需要在RK3588上部署，所以尝试将该pytorch模型转ONNX再转RKNN，目前的情况是使用rknn toolkit2转换成功了，获得的rknn模型在PC端使用python接口可以正常运行，但在RK3588板子上使用C接口运行rknn_run时报错。我是分别使用了rknn toolkit2_1.3.0和rknn toolkit2_1.4.0生成的rknn模型并分别在对应的rknpu2_1.3.0与1.4.0下运行模型，以下图片贴出了两个版本的模型分别的报错内容（打印信息里有表明rknn版本信息）以及报错的层"Conv:ReduceSum_99_2conv"的可视化信息：

关于该模型的rknn部署工作我前前后后持续了有相当长的一段时间，也进行了许多尝试，最初模型运行时报错信息的“Div， unsupported type”，感兴趣可以看我之前的帖子《关于rknn多输入情况下模型推理出现错误》。后来查到是rknn的int8量化下的模型不支持div的广播操作（或者说有限的支持，经过我的测试仅支持除数与被除数shape完全一样或者被除数是数字的情形）。于是为了解决不能广播的问题，我手动重写了LayerNorm算子，在div之前，手动将除数的维度扩大（简单说就是把1x1200x32 div 1x1200x1的手动变成1x1200x32 div 1x1200x32），从而避开了rknn不支持div的广播的问题。
紧接着rknn toolkit2_1.3.0模型转换又报错不支持sqrt算子，sqrt就是个开根号的算子，为啥会不支持呢，我又用pow(0.5)也就是0.5次方代替了根号操作，至此又解决一个问题。
紧接着就又遇到了开头提到的问题。我用netron可视化仔细对比了一下ONNX模型与RKNN模型，发现报错的层"Conv:ReduceSum_99_2conv"对应ONNX模型中的“ReduceMean”算子。想来想去也没能理解一个求均值的操作为啥要用卷积来实现，以及为啥会在卷积这一层报错。至于RKNPU2_1.4.0的报错信息“Segementation fault”就更是无从下手。

以上就是我的整个transformer模型在RK3588上的部署经历，希望有大佬能帮忙答疑解惑，或者我的整个过程哪里有问题都可以帮忙指正，感谢不吝赐教。或者如果rknn目前就是不支持transformer（因为我发现迄今为止遇到的所有错误信息都是在LayerNorm中产生的，而它又可以说是transformer的关键），也可以直接告知。感谢！