.1. 功能概述¶..解码h264/h265视频或jpg图片，生成yuv图像。..1.1. 软件架构¶.采用MediaCodec的poll模式来解耦输入和输出，可使解码帧率性能达到最优。 在主线程中灌码流数据：取出一个空的input buffer，配置码流数据的地址信息（如phys addr），再queue input buffer并通知解码器处理该帧数据； 另一个线程取输出YUV图像：通过sel

> 💬 最近在处理算法工具链相关问题时，我遇到了一个关于 **InstanceBatchNorm 支持** 的兼容性问题。 .> 借这个机会，我也系统学习并梳理了各类 **Normalization 算法** 的原理、差异，以及在不同芯片（特别是地平线 BPU）上的支持情况。 .> 本文算是一次总结与分享，也希望能为正在做模型部署、调优或量化的同学提供一个完整参考。 ...## 一、引论

..1.需求场景.在智能驾驶等复杂业务场景中，模型往往具备多任务分支结构，例如在同一个网络中同时包含BEV动态任务（如目标检测、跟踪、运动预测）与BEV静态任务（如地图构建、车道线提取、可行驶区域预测），这些任务对推理频率（Frames Per Second, FPS）的要求通常并不相同。也就是有不同任务分支 推理不同帧率的需求，例如BEV 动态任务 20帧，静态任务 10帧这种情况，BEV模型结

文档版本修订内容修订人修订时间v1.1使用流程、精度起始推荐配置修改订正@张明辉2026/05/30v1.0初始版本@张明辉2025/10/30这份指南聚焦开发者使用 PTQ 时的实际需求，从 “解决什么问题”“怎么用 PTQ 解决” 的角度，提供实战步骤与技巧，手册（训练后量化PTQ）中已有的通用内容将直接引用在线链接，避免重复。一、PTQ推荐使用流程模型检查解决的核心问题对于一个新的 ONNX

....01..... 引 言.... .....在汽车电子迅猛发展的当下，车载诊断系统已成为车辆不可或缺的一部分。它犹如车辆的"健康管家"，实时监测着各系统的运行状态，一旦发现异常，便及时发出警示，为车辆的维护保养、故障排查提供关键依据。OBD（On-Board Diagnostic，车载诊断系统）与UDS（Unified Diagnostic Services，统一诊断服务）是当前车载诊断领域

.ISP支持设置不同的ISP的online output和axi output。...其中online output通过json字段“isp_stream_output”进行开关，J6E中CPE0的output format为YUV422，CPE1的output format为YUV420。...使用的json字段为“isp_dma_output_format”，支持的配置信息如下：.....ty

..前言.....本文作为Transformer模型部署的下篇，会以典型的Lightglue算法为例，介绍优化的完整流程。... . ...Lightglue性能优化实战......LightGlue 是一种高效且鲁棒的 图像特征点匹配算法，其核心目标是在两张输入图像之间自动找到语义一致的关键点对应关系，从而为 SLAM、三维重建、图像配准、视觉定位 等任务提供精确的几何约束信息。传统的匹配方法（

..前言.随着深度学习的快速发展，Transformer算法在各类AI任务中都得到了广泛关注。然而，Transformer的部署面临计算量大、延迟高等挑战，地平线计算芯片能够支撑Transformer算法的高效推理，可以成为用户在边缘平台部署Transformer算法的优先选择。本文将对Transformer性能优化方法做出详细说明。. ...性能优化策略.尽管地平线计算芯片和配套的算法工具链具备

.2025年6月4日，全国标准信息公共服务平台公示关于征求《智能网联汽车 组合驾驶辅助系统安全要求》拟立项强制性国家标准（以下简称标准）项目意见的通知。.该标准由工信部提出，委托全国汽车标准化技术委员会智能网联汽车分会执行。本项目周期22个月，于2024年3月22日申报。公示开始日期为2025年6月4日，公示截止日期为2025年7月4日。..该标准对组合驾驶辅助系统的安全性，做了详细的要求。其中包

原论文信息如下：. ... 论文标题:From Forecasting to Planning: Policy World Model for Collaborative State-Action Prediction 发表日期:2025年10月 作者:Zhida Zhao, Talas Fu, Yifan Wang, Lijun Wang, Huchuan Lu 发表单位:大连理工大

功能安全机制包括上电自检测试、错误注入、runtime时错误监测与上报。.其中，错误注入常用于验证测试功能安全机制的有效性。.针对ISP，可使用如下命令进行功能安全错误注入 （如下为J6E/M/P的isp hw0的错误注入命令） ：. ....stl_service_tool -F 1 -m 501 -f 12 -c 51.stl_service_tool -F 1 -m 501 -f 12 -c

声明：本文主要参考最下方几篇参考文献进行学习整理，如有错漏，请评论指出，会及时修改，感谢~基础格式：FP8 与 INT8FP8（8 位浮点）简介FP8 是一种浮点表示格式，通过 “符号位 + 指数位 + 尾数位” 的组合表示数值，主流标准包括 NVIDIA 的 E4M3（4 位指数 + 3 位尾数）和 E5M2（5 位指数 + 2 位尾数）。优势：保留浮点特性，动态范围远超整数格式（如 E5M2

..整个部署流程涉及到网络结构的数据流包括：float train训练、float eval推理、calib、qat训练、qat eval推理、导出部署、qat eval回灌推理，建议使用一套forward，不要存在多forward的情况（特别是prepare时 算子替换的hook注册在forward上，换成xxx_forward_xxx不保证能成功）。否则，即使每个流程都跑通了，也容易有各种fo

.ISP除了提供2a相关的对外api还提供了一些功能api，2种api配合使用，丰富ISP的对外能力。...hb_isp_run_algo/hb_isp_pause_algo，ISP提供该接口进行对2A算法的开关控制，用户可通过该接口实现对2A参数的手动输入控制和自动控制的切换。...hb_isp_set_module_control/hb_isp_get_module_control：该组接口主

# J5 softmax 算子约束替换方法..在将深度学习模型部署到地平线J5开发板上时，我们遇到了一些与量化编译相关的挑战，尤其是与`softmax`操作的性能问题。在进行模型量化时，我们发现`softmax`中的一个关键算子——`reducesum`的维度超过了BPU（硬件加速单元）的限制，导致模型在推理时出现了分段现象，并且性能不如预期。本文将详细介绍如何解决这一问题，并提升模型推理性能。.

.前言.笔者在前面两篇文章【LLM量化技术介绍 - 1】LLM量化技术概述及AWQ和GPTQ介绍 和【LLM量化技术介绍 - 2】SmoothQuant原理及量化技术详解 中，重点介绍了大语言模型（LLM）中激活和权重的量化原理与方案。LLM中的键值缓存（KV Cache）虽然大大减少了重复计算，但它同样带来了巨大的显存和带宽开销。为了节省显存、降低带宽、提高吞吐率，研究者自然想到对 KV Cac

.前言.在前面【LLM量化技术介绍-1】LLM量化技术概述及AWQ和GPTQ介绍这篇文章中，我们已经对LLM量化技术进行的简介，同时还对LLM常用的AWQ、GPTQ量化技术进行了比较详细的介绍。本篇文章将在前文基础以及学术论文，对LLM量化的关键技术SmoothQuant进行介绍。.SmoothQuant技术出现的背景.当我们把大语言模型（LLM）的参数数量增加到 67 亿个以上时，激活过程中会出

# 1. 前言. 在模型板端部署过程中，开发者主要关心图像如何获取，模型性能如何评测以及如何优化模型等问题。对于图像的获取，地平线提供了Pyramid硬件，其不但可以获取多尺寸图像，且利用内存共享机制可将内存给到BPU直接进行推理。针对耗时，内存占用，DDR带宽占用等指标进行评测和优化，地平线提供了诸如Trace，hrt_ucp_monitor等一系列性能分析工具用于性能监测，使得开发者能够清晰

..简介&提出背景.思维链 (Chain-of-Thought, CoT) 是一种通过中间思考步骤增强大语言模型推理能力的方法。视觉思维链 (Visual Chain-of-Thought, VCoT) 将思维链从文本模态扩展到图像模态，以图像作为中间思考步骤，被用来提升多模态大模型的思考能力。.VCoT-Grasp以多模态大模型为基础，将视觉思维链引入机器人抓取任务中来提升抓取质量。与已有语言驱

.本篇主要介绍国内市场份额最大的五家激光雷达公司（禾赛、速腾、图达通、华为和大疆），主要客户、销量和主要产品。..1. 2023年市场份额.在YOLO在2023年8月的报告中，统计了从2018年到2022年，在全球范围内激光雷达累计定点车型。其中，以国别区分的分布如下图所示。可以看出，激光雷达主要有两个市场，一个是中国，一个是其他。...全球激光雷达累计定点车型占比（2018-2022年）..各激